摘要
近期,厦门大学陈忠、廖新勤教授团队在Advanced Fiber Materials上发表了题为“MultifunctionalandReconfigurable Electronic Fabrics Assisted byArtificialIntelligence forHuman Augmentation”的研究成果。本工作提出的智能可编程的(IP)织物传感器由粘附有碳纳米管的织物构成,其具有可重构、可弯曲、感知传输信号一体化和稳定性强(>20000个周期)等优点,可实现静/动态触摸的微秒级别响应(400 μs),实现了闭环人机交互娱乐系统、智能家居系统以及行为特征交互识别,有望用于智能控制、现实和多模式交互等领域。
正文
穿戴织物电子器件与外界交互作为非侵入性交互技术是一种提高生活质量的理想方法。然而,织物电子器件在用于穿戴时存在着弯曲时信号失真、布线复杂的缺点。此外,为了适应不同人的行为和交互方式,织物电子器件需要具有可编程性和可重构性。因此,当前织物电子器件的进展与人体增强的实际需求之间存在着鲜明的差距。
如图1a所示,IP织物传感器附着在衣物上与物联网技术、人工智能技术结合实现多功能交互系统。图1b显示了IP织物传感器的结构,其可以识别不同位置的触摸信息。该传感器的工作原理是当手指触摸在导电织物的不同位置时,会产生可识别的电阻,通过判断不同的电阻值就可以判断触摸是否发生以及触摸发生的位置(图1c)。图1d展现了IP织物传感器的可重构性,经裁剪后可修复或拓展成新的形状。该IP织物传感器以吸附碳纳米管(图1f)的纯棉纤维(图1e)为主要传感材料,其浓度和形状可定制化(图1g)。
图1多功能IP织物传感器的设计
为了评估IP织物传感器的性能,图2对其性能及电输出特性进行了测试。经过比较后,当厚度为0.15 mm的织物作为基底, IP织物传感器响应时间可以低至400 μs(图2a)。随后对IP织物传感器的时空动态逻辑性能进行了测试,证明了该IP织物传感器能感知人体静态触碰(图2c)和动态触碰(图2d)。此外,该IP织物传感器在弯曲时,其电阻变化不明显,表明其具有较好的弯曲不敏感性(图2e)。图2f和图2g展示了该IP织物传感器可以被裁剪和修复,证明了该传感器具有可重构性。
图2 IP织物传感器的性能和电输出特性
利用方形IP织物传感器可以搭建一个闭环互动娱乐系统。通过触摸IP织物传感器将命令传递至交互界面,随后界面执行命令并通过视觉反馈给人,以此完成闭环交互(图3a-3c)。从图3d-3f可以看出该IP织物传感器在弯曲、长时间触碰和短时间触碰时都有稳定的信号传递,展示了该传感器在交互系统中的潜力。
图3 基于方形IP织物传感器的闭环互动娱乐系统
将条形IP织物传感器与物联网技术结合可以搭建一个智能家居系统。通过触摸IP织物传感器将命令无线传递至家具以完成对物体的远程操控 (图4a)。图4b是验证该系统的电路模型,实现了对4c(i)灯、4c (ii)门、4c (iii)风扇、4c (iv)窗和4c (v)门铃的远程控制。
图4基于条状IP织物传感器的智能家居系统
用户识别与验证系统可以利用S形IP织物传感器结合人工智能技术来实现。图5a是该系统的流程图,主要包括特征采集、信号转换、模型训练和身份认证四个过程。图5b显示了不同用户的输入,这些输入不仅在触摸位置(ΔP)上不同,而且在触摸间隔(Δt1)和触摸持续时间(Δt2)上也不同。用户识别和验证系统通过启动具有相同数字序列的触摸事件来显示触摸位置的无差别特征,从而对Δt1和Δt2维度进行验证(图5c)。通过结合1DCNN模型(图5d),实现了用户识别认证系统。该认证系统达到了超过99%的准确率(图5e-5f)。
图5基于S形IP织物传感器的用户识别与认证系统
展望
这项研究展示了一种IP织物传感器来实现人体增强的交互能力。采用平面内的电双边结构设计这种IP织物传感器,实现了感应触摸、识别触摸位置和传输信号的多功能一体化。这种结构具有不与外部导电物体接触时节能的优点,并最大限度地减少因器件变形而产生的错误信号。单层传感结构和薄厚度使得这种IP织物传感器具有可重构性、柔性和弯曲不敏感性,可以满足个性化和多样化的交互系统的要求。通过推进与IP织物传感器集成的交互式系统,将为解锁新的人体增强技能提供可能。
审核编辑:刘清
-
传感器
+关注
关注
2545文章
50435浏览量
750933 -
人机交互
+关注
关注
12文章
1199浏览量
55265 -
智能控制
+关注
关注
4文章
585浏览量
42201 -
碳纳米管
+关注
关注
1文章
144浏览量
17244
原文标题:智能可编程织物传感器:整合传感和信号传输,实现交互和人体增强
文章出处:【微信号:MEMSensor,微信公众号:MEMS】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论