Smart hanske sporer håndbevegelser med enestående nøyaktighet – Physics World

Smart hanske sporer håndbevegelser med enestående nøyaktighet – Physics World

Tidsstempel: 6. februar 2024 4:26

Sensorhanske
Hendig oppfinnelse: UBCs Peyman Servati (til venstre) og Arvin Tashakori viser frem sine smarte hansker. (Med tillatelse: Lou Bosshart/UBC Media Relations)

En smart hanske som sporer finger-, hånd- og håndleddbevegelser med enestående nøyaktighet er utviklet av forskere ved Canadas University of British Columbia (UBC) og Texavie Technologies. Den vaskbare enheten er innebygd med individuelle sensorfibre som reagerer på små endringer i materialets strekk og trykk. Sensorene overfører denne informasjonen trådløst til en maskinlæringsalgoritme som estimerer håndens fine skalabevegelser nesten umiddelbart.

I tillegg til å fjernfange dynamikk og gi informasjon om hvordan hender samhandler med objekter for robotikk og virtuell virkelighet, tilbyr hansken et verktøy for å vurdere slag og andre pasienters håndbevegelser og gripekrefter. Slike vurderinger kan hjelpe pasienter til å få tilbakemelding på hvilke bevegelser de må fokusere på for å forbedre håndmobilitetsfunksjonen.

I det nye designet, laget av Peyman Servati og teamet hans, er en rekke spesiallagde fibersensorer sydd inn i hanskens strekkbare stoff på punkter som ligger over fingerleddene, fingertuppene, håndleddet og håndflaten. Bevegelser i leddene, eller trykk forårsaket av at hånden samhandler med en gjenstand, skaper strekk i stoffet. Sensorene kan oppdage strekninger så lave som 0.005 % og så høye som 155 % av sin opprinnelige lengde. Alle disse sensorene, koblet via elastiske kontakter til et trådløst prosesseringsbrett på baksiden av hansken, mater data inn i en algoritme som estimerer leddvinklene med en nøyaktighet på 1.4°. Utgangen er et 3D-bilde av håndens form som dynamisk følger hanskebrukerens bevegelser.

Veving av godt garn

Servati og kollegene hans utviklet spesielle fibre kalt spiralformet sensorgarn, som forbedrer ytelsesnøyaktigheten til materialer som brukes i bærbare tekstilsensorer. Disse strekkbare garnene består av en elastisk kjerne pakket med metallbelagte nanofibre i spiralform. En polymermatrise og elastomerskall binder strukturen sammen, og gir holdbarhet, dynamisk rekkevidde og strekkstyrke. Eksterne strekk-/trykkutløsende sykluser endrer kontaktområdet til de sammenbundne metalliske nanofibrene, noe som resulterer i endringer i deres elektriske motstand. Disse garnene ble sydd mellom to lag nylon-polyester-spandex for å lage de smarte hanskene.

Ved hjelp av motion-capture-kamerasystemer samlet forskerne mer enn tre millioner rammer med håndbevegelse av fem deltakere med forskjellige håndstørrelser. De hadde på seg smarte hansker som var merket med synlige etiketter på 16 punkter. Deltakerne tok tak i gjenstander, vekslet mellom bevegelser og beveget fingrene tilfeldig. En nevrale nettverksarkitektur kartla synlige bilder til samtidig innsamlede sensordata, noe som resulterte i en maskinlæringsmodell som estimerte håndleddsvinkler og taktil informasjon fra tøyningsdataene målt av sensorgarnene.

«Å fange fingerferdige hånd- og fingerbevegelser med nøyaktighet er en veldig vanskelig oppgave. Nåværende kamerabaserte systemer er kostbare og har problemer med begrenset synsfelt, sier Servati. Hansken er det mest nøyaktige designet på markedet for å estimere vinklene til fingre og håndledd under bevegelse med minimal forsinkelse. Det samsvarer med nøyaktigheten til kamerautstyr med gullstandard.

Personer som brukte hansken testet også hvordan hansken presterte ved å fange opp spesifikke bevegelser relatert til dagligdagse gjøremål. Enheten var i stand til å oppdage ord "skrivet" av multi-fingerbevegelser på en tilfeldig overflate med 98 % nøyaktighet; den estimerte 100 statiske og dynamiske bevegelser tilpasset fra amerikansk tegnspråk med 95 % nøyaktighet. Den oppdaget også 34 gjenstander – inkludert krus, glass, baseballer og tennisballer – fra håndens grepsform og krefter med 98 % nøyaktighet.

Skyll, vask, gjenta

En bruk av hansken kan være å hjelpe hjerneslag og pasienter som har mistet delvis håndbevegelse. Arbeide med kliniske eksperter inkludert Janice Eng, som spesialiserer seg på slagrehabilitering ved UBC Department of Medicine, fant Servati og hans team at mange pasienter krever en nøyaktig måte å vurdere håndbevegelsene og gripekreftene på. Å utføre disse vurderingene eksternt og endre treningsrutiner eller evaluere etterlevelse kan også hjelpe pasienter med Parkinsons og andre håndmobilitetsproblemer.

"Dette er veldig vanskelig å gjøre selv på klinikken, og ingenting eksisterer for å gjøre det nøyaktig og eksternt," sier Servati.

Bærbare enheter er attraktive for kliniske oppgaver, men mange design mangler påliteligheten, nøyaktigheten og vaskbarheten som er nødvendig for praktisk bruk. Etter gjentatt bløtlegging og omrøring i vann og vaskemidler, og etter å ha gjennomgått gjentatte maskinvaskesykluser, opplevde Servatis hanske mindre enn 10 % endring i sensorytelse.

"Det er virkelig spennende å utvikle denne teknologien i en slitesterk og vaskbar form som kan skape et stort sprang i menneske-datamaskin-interaksjon og muligheten til nøyaktig å representere interaksjon med objekter uten behov for kamera," sier Servati.

Subramanian Sundaram, en forsker ved Boston Universitys Biological Design Center, som ikke var involvert i studien, sier at å studere hvordan disse fibrenes funksjonalitet endres under daglige bruksforhold er den "riktige retningen å fokusere på" for å lage pålitelige tekstiler som folk kan bruke gjentatte ganger . Selv om de kvantitative feilestimatene av leddvinkler er viktige hensyn for potensielle medisinske anvendelser, mener han at slike anvendelser fortsatt er langt unna. "Nøkkelutfordringen, ikke unik for dette arbeidet, er å bestemme de spesifikke innstillingene der denne typen teknologi er kritisk nødvendig," sier han.

Arbeidet er beskrevet i Nature Machine Intelligence.

Tidstempel:

Mer fra Fysikkens verden