利用一種新穎的制造工藝，麻省理工學院的研究人員已經開發出了一種舒適、合身的智能面料，這種紡織品可以緊貼人體，因此它們可以感知穿著者的姿勢和動作，如行走、跑步和跳躍。

　　通過加入一種特殊類型的塑料紗線，并使用熱量稍微熔化它——這一過程被稱為熱成型——研究人員能夠大大提高織入多層針織紡織品的壓力傳感器的精度，他們稱之為3DKnITS。
　　他們利用這一過程創造了一種“智能”鞋和墊子，然后建立了一個硬件和軟件系統，以實時測量和解釋來自壓力傳感器的數據。機器學習系統預測了一個人站在智能紡織墊上的動作和瑜伽姿勢，準確率約為99%。
　　麻省理工學院媒體實驗室的研究助理、3DKnITS論文的主要作者Irmandy Wicaksono說，他們的制造過程利用了數字針織技術，能夠快速成型，并可以很容易地擴大規模進行大規模制造。
　　這項技術可以有很多應用，特別是在醫療保健和康復方面。例如，它可以用來生產智能鞋，可以跟蹤受傷后重新學習走路的人的步態，或者可以用來監控糖尿病患者腳上的壓力以防止潰瘍形成的襪子。

　　“使用數字針織，你可以自由設計自己的圖案，還可以在結構本身中集成傳感器，因此它變得無縫和舒適，你可以根據你的身體形狀來開發它，”Wicaksono說。
　　他與麻省理工學院本科生Peter G. Hwang、Samir Droubi和Allison N. Serio通過本科生研究機會項目共同撰寫了這篇論文；Franny Xi Wu，韋爾斯利學院的應屆畢業生；Wei Yan，南洋理工大學助理教授；資深作家Joseph A. Paradiso，亞歷山大·w·德雷福斯教授兼媒體實驗室反應環境小組主任。這項研究將在IEEE醫學工程和生物學會會議上發表。

　　“90年代末，媒體實驗室對智能面料進行了一些開創性的研究。帕拉迪索說:“從那時起，材料、嵌入式電子設備和制造機器都取得了巨大的進步。看到我們的研究回歸這一領域是一個很好的時機，例如通過像Irmandy這樣的項目——他們指出了一個令人興奮的未來，在這個未來，傳感和功能將更加流暢地擴散到材料中，并開辟了巨大的可能性。"

針織技術

　　為了生產智能紡織品，研究人員使用數字針織機將多層織物與一排排標準和功能性紗線編織在一起。多層針織織物由夾在壓阻針織物周圍的兩層導電紗線針織物組成，壓阻針織物在受到擠壓時會改變其電阻。按照一種模式，機器將這種功能性紗線以水平和垂直的方式縫合在整個織物上。Wicaksono解釋說，在功能纖維交叉的地方，它們創造了一個壓力傳感器。

　　但是紗線柔軟易彎，所以當穿著者移動時，這些層會移動并相互摩擦。這會產生噪聲并導致可變性，從而使壓力傳感器的精確度大大降低。
　　Wicaksono在中國深圳的一家針織廠工作時想出了解決這個問題的辦法，他在那里花了一個月的時間學習編程和維護數字針織機。他觀察工人使用熱塑性紗線制作運動鞋，當加熱到70攝氏度以上時，這種紗線會開始融化，這種紗線會稍微硬化織物，以便保持精確的形狀。他決定嘗試將熔融纖維和熱成型技術融入智能紡織品制造流程。

　　“熱成型真正解決了噪音問題，因為它通過擠壓和熔化整個織物，將多層織物硬化為一層，從而提高了精確度。這種熱成型技術還允許我們創造出3D形狀，比如襪子或鞋子，它們實際上符合用戶的精確尺寸和形狀，”他說。

　　一旦他完善了制造過程，Wicaksono需要一個系統來精確處理壓力傳感器數據。由于織物編織成網格，他制作了一個無線電路，掃描織物上的行和列，并測量每個點的電阻。他設計了這種電路來克服由“重影”模糊性引起的偽像，當用戶同時在兩個或更多單獨的點上施加壓力時，就會出現這種情況。

　　受圖像分類深度學習技術的啟發，Wicaksono設計了一個將壓力傳感器數據顯示為熱圖的系統。這些圖像被輸入到一個機器學習模型中，該模型被訓練來根據熱圖圖像檢測用戶的姿勢、姿態或運動。
分析活動

　　一旦模型經過訓練，它就可以對用戶在智能墊上的活動進行分類(走路、跑步、做俯臥撐等。)有99.6%的準確率，能以98.7%的準確率識別7個瑜伽姿勢。

　　他們還使用圓形針織機創造了一種合身的智能紡織鞋，在整個3D紡織品上分布著96個壓力傳感點。他們用這種鞋來測量穿鞋者踢球時施加在腳上不同部位的壓力。

　　3DKnITS的高精度可以使其在精度至關重要的修復應用中發揮作用。Wicaksono說，智能紡織襯墊可以測量假肢對承窩的壓力，使假肢師能夠很容易地看到設備是否合適。

　　他和他的同事也在探索更有創意的應用。他們與一名聲音設計師和一名當代舞者合作，開發了一種智能紡織地毯，可以根據舞者的腳步驅動音符和聲景，以探索音樂和編舞之間的雙向關系。這項研究最近在ACM創造力和認知會議上發表。

　　“我了解到跨學科合作可以創造一些真正獨特的應用，”他說。

　　現在，研究人員已經展示了他們制造技術的成功，Wicaksono計劃完善電路和機器學習模型。目前，該模型必須針對每個人進行校準，然后才能對行動進行分類，這是一個耗時的過程。取消校準步驟將使3DKnITS更容易使用。研究人員還希望在實驗室外對智能鞋進行測試，以了解溫度和濕度等環境條件如何影響傳感器的準確性。

　　“看到技術以如此有意義的方式進步總是令人驚訝。哈佛醫學院整形外科助理教授、麻省總醫院運動醫學整形外科醫生埃里克·伯克森沒有參與這項研究，他說:“難以置信的是，我們穿的衣服，袖子或襪子，可以用其三維結構來感知。”“在醫療領域，特別是矯形運動醫學領域，這項技術能夠更好地檢測和分類運動，并識別真實世界(實驗室外)情況下的力分布模式。這種思維方式將提高傷害預防和檢測技術，并有助于評估和指導康復。”
　　這項研究得到了麻省理工學院媒體實驗室聯盟的部分支持。