Smart handske spårar handrörelser med oöverträffad noggrannhet – Physics World

Smart handske spårar handrörelser med oöverträffad noggrannhet – Physics World

Tidsstämpel: 6 februari 2024 4:26

Sensorhandske
Praktisk uppfinning: UBC:s Peyman Servati (till vänster) och Arvin Tashakori visar upp sina smarta handskar. (Med tillstånd: Lou Bosshart/UBC Media Relations)

En smart handske som spårar finger-, hand- och handledsrörelser med oöverträffad noggrannhet har utvecklats av forskare vid Kanadas University of British Columbia (UBC) och Texavie Technologies. Den tvättbara enheten är inbäddad med individuella sensorfibrer som reagerar på små förändringar i materialets sträckning och tryck. Sensorerna överför denna information trådlöst till en maskininlärningsalgoritm som uppskattar handens finskaliga rörelser nästan omedelbart.

Förutom att fjärrfånga dynamik och ge information om hur händer interagerar med objekt för robotik och virtuell verklighet, erbjuder handsken ett verktyg för att bedöma stroke och andra patienters handrörelser och greppkrafter. Sådana bedömningar kan hjälpa patienter att få feedback om vilka rörelser de behöver fokusera på för att förbättra sin handrörlighetsfunktion.

I den nya designen, skapad av Peyman Servati och hans team, många skräddarsydda fibersensorer sys in i handskens töjbara tyg på punkter som ligger över fingerlederna, fingertopparna, handleden och handflatan. Rörelser i lederna, eller tryck orsakade av att handen interagerar med ett föremål, skapar sträckningar i tyget. Sensorerna kan detektera sträckor så låga som 0.005 % och så höga som 155 % av sin ursprungliga längd. Alla dessa sensorer, länkade via stretchiga kontakter till ett trådlöst processorkort på baksidan av handsken, matar in data till en algoritm som uppskattar ledvinklarna med en noggrannhet på 1.4°. Utgången är en 3D-bild av handens form som dynamiskt följer handskbärarens rörelser.

Vävning av bra garn

Servati och hans kollegor utvecklade speciella fibrer som kallas spiralformade sensorgarn, som förbättrar prestandanoggrannheten hos material som används i bärbara textilsensorer. Dessa töjbara garner består av en elastisk kärna omlindad med metallbelagda nanofibrer i spiralform. En polymermatris och ett elastomerskal binder samman strukturen, vilket ger hållbarhet, dynamiskt område och draghållfasthet. Externa sträcknings-/tryckavlastningscykler förändrar kontaktytan för de sammanbundna metalliska nanofibrerna, vilket resulterar i förändringar i deras elektriska motstånd. Dessa garn syddes mellan två lager nylon-polyester-spandex för att göra de smarta handskarna.

Med hjälp av motion-capture-kamerasystem samlade forskarna in mer än tre miljoner bildrutor av handrörelse av fem deltagare med olika handstorlekar. De bar smarta handskar som var märkta med synliga etiketter på 16 punkter. Deltagarna tog tag i föremål, växlade mellan gester och rörde slumpmässigt sina fingrar. En neural-nätverksarkitektur mappade synliga bilder till samtidigt insamlade sensordata, vilket resulterade i en maskininlärningsmodell som uppskattade handledsvinklar och taktil information från töjningsdata som mäts av sensorgarnerna.

"Att fånga skickliga hand- och fingerrörelser med precision är en mycket svår uppgift. Nuvarande kamerabaserade system är dyra och har problem med begränsat synfält, säger Servati. Handsken är den mest exakta designen på marknaden för att uppskatta vinklarna på fingrar och handled under rörelse med minimal fördröjning. Den matchar noggrannheten hos kamerautrustning med guldstandard.

Försökspersoner som bar handsken testade också hur handsken presterade för att fånga specifika rörelser relaterade till vardagliga sysslor. Enheten kunde upptäcka ord "skrivna" genom rörelser med flera fingrar på en slumpmässig yta med 98 % noggrannhet; den uppskattade 100 statiska och dynamiska gester anpassade från amerikanskt teckenspråk med 95 % noggrannhet. Den upptäckte också 34 föremål – inklusive muggar, glasögon, basebollar och tennisbollar – från handens greppform och krafter med 98 % noggrannhet.

Skölj, tvätta, upprepa

En användning av handsken kan vara att hjälpa stroke och patienter som har förlorat delvis rörlighet i handen. Arbeta med kliniska experter inklusive Janice Eng, som specialiserat sig på strokerehabilitering vid UBC Department of Medicine, fann Servati och hans team att många patienter kräver ett exakt sätt att bedöma sina handrörelser och greppkrafter. Att utföra dessa bedömningar på distans och modifiera träningsrutiner eller utvärdera efterlevnad kan också hjälpa patienter med Parkinsons och andra handrörlighetsproblem.

"Det här är väldigt svårt att göra även på kliniken, och det finns inget för att göra det exakt och på distans", säger Servati.

Bärbara enheter är attraktiva för kliniska uppgifter, men många konstruktioner saknar den tillförlitlighet, noggrannhet och tvättbarhet som behövs för praktisk användning. Efter upprepad blötläggning och omrörning i vatten och rengöringsmedel, och efter att ha genomgått upprepade maskintvättcykler, upplevde Servatis handske mindre än 10 % förändring i sensorprestanda.

"Det är verkligen spännande att utveckla den här tekniken i en hållbar och tvättbar form som kan skapa ett stort steg i människa-dator-interaktion och möjligheten att korrekt representera interaktion med objekt utan behov av kamera", säger Servati.

Subramanian Sundaram, en forskare vid Boston Universitys Biological Design Center, som inte var involverad i studien, säger att att studera hur dessa fibrers funktionalitet förändras under dagliga användningsförhållanden är "rätt riktning att fokusera på" för att skapa pålitliga textilier som människor kan använda upprepade gånger . Även om de kvantitativa feluppskattningarna av ledvinklar är viktiga överväganden för potentiella medicinska tillämpningar, tror han att sådana tillämpningar fortfarande är långt borta. "Nyckelutmaningen, som inte är unik för det här arbetet, är att bestämma de specifika inställningarna där denna typ av teknik är kritiskt nödvändig", säger han.

Arbetet beskrivs i Nature Machine Intelligence.

Tidsstämpel:

Mer från Fysikvärlden