分层可拉伸和刚性材料并结合机器学习可提高可穿戴设备的准确性
横滨国立大学的研究人员开发出一种可伸缩的高精度测量可穿戴设备，该设备将柔软的聚合物材料与刚性的电子元件结合在一起。即使设备伸展至其长度的 2.5 倍，也能精确测量惯性数据。该可拉伸高精度装置与机器学习的结合，实现了多种动作识别，准确率极高，该技术的潜在应用已实现将各种软硬电子器件与信息技术相集成的系统。
可拉伸的可穿戴设备能够快速准确地感知物理和生物电信息，越来越多地用于健康监测和运动测量等。然而，制造一种既足够柔软舒适又足够坚硬能够准确感知数据的设备却很困难。
机器学习可以帮助这些设备更加强大，但为了整合这项技术，需要开发兼具舒适性和稳定数据处理的可伸缩混合可穿戴设备。
8 月 7 日在《Device》杂志上发表的一篇论文概述了如何使用分层在柔性基板上的刚性集成电路来提高可穿戴设备的性能。
横滨国立大学工程学院副教授 Hiroki Ota 表示：“目前已经开发出了结合基于固态电子的高性能传感器集成电路的可拉伸设备，但它们缺乏适应两倍以上伸长率的大变形的可拉伸性。这些因素限制了可拉伸设备和机器学习集成系统的发展。”
事实上，Ota 解释道，目前市场上还没有可以在可拉伸设备（或具有高变形性的设备）中同时实现高精度和高重复性测量的设备。
在这项研究中，研究人员专注于开发集成机器学习的动作捕捉可穿戴设备。这些设备具有很强的可变形性，这意味着它们非常灵活，可以贴合身体轮廓。
为了给柔性可穿戴设备提供额外的稳定性，开发了一种称为异质刚度保护结构的结构。这些结构保护电线，有三层：硬层、中间层和软层。
柔软层确保设备保持弹性，而较硬层则保持设备中传感器的完整性。整个设备（包括开发线路）也使用了液态金属糊剂，以确保设备保持柔韧性。
“可拉伸材料和固态电子刚性元件的融合实现了将弹性与高计算和测量能力相结合的新型设备。这些设备促进了与机器学习系统的集成，其中数据可重复性至关重要，”Ota 说。
为了测试这款可穿戴设备的性能，研究人员进行了三项任务：自我估计绳结形状、识别空中书写和手语识别。研究人员还测试了该设备在拉伸时能否继续工作。
与之前仅有电路板的可穿戴设备相比，新开发的具有非均质刚性保护结构的设备在处理伸长和拉伸方面表现更好。仅有电路板和软层的设备在伸长 30% 时出现应变，在伸长 100% 时断裂。
相比之下，在 100% 伸长时，具有非均匀刚性保护结构的装置没有出现任何损坏应变的迹象，并且即使拉伸到 150% 仍能继续工作。
这些设备还接受了测试，以查看它们在某些指定任务中的表现，包括识别手指拼写过程中拼写的字母和手语识别。
目前，用于跟踪手指拼写的可穿戴设备难以实现不弯曲手指的平行运动。新开发的异质刚度设备能够准确分类 91% 至 98% 的拼写字母，具体取决于用于分析数据的处理模型，但需要进一步研究以了解训练模型中的差异。
研究人员还认为，这项技术可以超越手指拼写，识别美国手语，这是一项备受追捧的技术。然而，开发这项技术的挑战超出了可伸缩、可穿戴设备的限制，还需要进一步开发。
展望未来，研究人员计划利用这项新技术开发更多设备。
Ota 表示：“最终，我们的目标是利用刚性设备和弹性材料的电子特性，并将它们与信息处理技术相结合，实现集成固态和可拉伸电子设备的可拉伸混合电子设备。”
更多信息： 基于可拉伸混合设备并集成机器学习的软智能系统，Device (2024)。DOI ：10.1016/j.device.2024.100496。www.cell.com/device/fulltext/S2666-9986(24) 00392-2
页:
[1]