محققان MIT با استفاده از یک فرآیند جدید، منسوجات هوشمندی تولید کرده‌اند که به خوبی با بدن منطبق است تا بتوانند وضعیت و حرکات کاربر مانند راه رفتن، دویدن و پریدن را حس کنند.
محققان با ترکیب نوع خاصی از نخ پلاستیکی و استفاده از گرما برای ذوب اندکی آن – فرآیندی به نام ترموفرمینگ – توانستند دقت حسگرهای فشار را که در منسوجات بافتنی چند لایه بافته می‌شوند، که آنها را ۳DKnITS می‌نامند، بهبود بخشند.
آنها از این فرآیند برای ایجاد یک کفش و تشک “هوشمند” استفاده کردند و سپس یک سیستم سخت افزاری و نرم افزاری برای اندازه گیری و تفسیر داده های حسگرهای فشار در زمان واقعی ساختند. سیستم یادگیری ماشینی حرکات و ژست های یوگا را که توسط فردی که روی تشک پارچه ای هوشمند ایستاده بود را با دقت ۹۹ درصد پیش بینی می کرد.
ایرماندی ویکاسونو می گوید: فرآیند ساخت آنها، که از فناوری بافندگی دیجیتال بهره می برد، نمونه سازی سریع را امکان پذیر می کند و به راحتی می توان آن را برای تولید در مقیاس بزرگ افزایش داد.
این تکنیک می تواند کاربردهای زیادی به خصوص در مراقبت های بهداشتی و توانبخشی داشته باشد. برای مثال، می‌توان از آن برای تولید کفش‌های هوشمندی استفاده کرد که راه رفتن فردی را که بعد از آسیب دیدگی دوباره راه رفتن را یاد می‌گیرد، ردیابی می‌کند، یا جوراب‌هایی که فشار روی پای بیمار دیابتی را کنترل می‌کند تا از ایجاد زخم جلوگیری کند.
برای تولید منسوجات هوشمند، محققان از یک ماشین بافندگی دیجیتال استفاده می‌کنند که لایه‌های پارچه را با ردیف‌هایی از نخ استاندارد و کاربردی به هم می‌بافد. منسوجات از دو لایه بافندگی نخ رسانا تشکیل شده است که در اطراف یک بافتنی پیزورمقاومتی قرار گرفته اند که هنگام فشرده شدن مقاومت آن تغییر می کند. ماشین با پیروی از یک الگو، این نخ کاربردی را در سراسر منسوجات در ردیف های افقی و عمودی می دوزد. ویکاسونو توضیح می دهد که در جایی که الیاف عملکردی تلاقی می کنند، یک سنسور فشار ایجاد می کنند.
اما نخ نرم و منعطف است، بنابراین لایه‌ها تغییر می‌کنند و هنگام حرکت پوشنده روی یکدیگر ساییده می‌شوند. این باعث ایجاد نویز و تغییرپذیری می شود که دقت سنسورهای فشار را بسیار کمتر می کند.
ترموفرمینگ واقعاً مشکل نویز را حل می‌کند، زیرا منسوجات چندلایه را با فشرده کردن و ذوب کردن کل پارچه با هم در یک لایه سخت می‌کند، که دقت را بهبود می‌بخشد. این ترموفرمینگ همچنین به ما اجازه می‌دهد تا فرم‌های سه‌بعدی مانند جوراب یا کفش بسازیم که در واقع با اندازه و شکل دقیق کاربر متناسب باشد.»
ویکاسونو با الهام از تکنیک های یادگیری عمیق برای طبقه بندی تصاویر، سیستمی ابداع کرد که داده های سنسور فشار را به عنوان یک نقشه حرارتی نمایش می دهد. این تصاویر به یک مدل یادگیری ماشینی داده می‌شوند که برای تشخیص وضعیت یا حرکت کاربر بر اساس تصویر نقشه حرارتی آموزش دیده است.
دقت بالای ۳DKnITS می‌تواند آنها را برای کاربردهای پروتز مفید کند، جایی که دقت ضروری است. ویکاکسونو می‌گوید که یک آستر پارچه‌ای هوشمند می‌تواند فشاری را که یک اندام مصنوعی بر روی سوکت وارد می‌کند اندازه‌گیری کند، و به متخصص پروتز این امکان را می‌دهد تا به راحتی ببیند که دستگاه چقدر مناسب است.
