全身运动捕捉对于虚拟现实、元宇宙和医疗保健领域的下一代可穿戴设备至关重要。然而,由于严重的信号干扰、电源问题以及缺乏可扩展和可拉伸的传感技术,当前系统难以超越局部传感的规模。在此,研究人员开发了一种大面积抗噪复用摩擦电传感服装,能够实现主动且高精度的全身运动追
全身运动捕捉对于虚拟现实、元宇宙和医疗保健领域的下一代可穿戴设备至关重要。然而,由于严重的信号干扰、电源问题以及缺乏可扩展和可拉伸的传感技术,当前系统难以超越局部传感的规模。在此,研究人员开发了一种大面积抗噪复用摩擦电传感服装,能够实现主动且高精度的全身运动追踪。一种多层架构在传感单元和蛇形电路上同时施加屏蔽,将信号误识别率抑制至0.13%,将电磁噪声衰减57 dB,并将阈值力提升至
NFs修饰的石墨状碳化纺织品的混合设计显著增强了电荷产生、传输和保持,实现了高保真、无噪声的运动传感。进一步与体表无线处理和深度学习分析集成,该系统能够同时可靠地采集和准确识别多个部位的身体运动。该系统支撑沉浸式可穿戴设备,在虚拟游戏场景中通过精确的上半身手势识别、下半身动作分类和全身交互控制得到验证。
随着虚拟现实(VR)、元宇宙和医疗健康等领域的快速发展,可穿戴电子设备正重塑人机交互方式。全身运动捕捉作为下一代可穿戴设备的关键技术,对于沉浸式体验、康复监测和人机接口至关重要。然而,现有可穿戴系统(如手套、腕带)虽然能可靠追踪局部运动,但将其扩展至全身感知仍面临长期挑战。光学全身运动捕捉系统存在自遮挡、隐私风险等固有缺陷,限制了其在日常场景中的应用。将可穿戴系统从局部传感升级为全身运动捕捉的核心障碍在于:随着传感面积增大,线路引起的干扰和周围电磁(EM)噪声变得显著,肢体间耦合和信号阻塞进一步放大这些问题。全身覆盖需要多层、复用的电路架构,伴随长距离布线和密集互连网络,引入寄生电容、信号衰减和噪声放大,使可靠运动提取愈发困难。虽然无源传感器可减少布线复杂度,但依赖外部电源管理,增加系统重量、成本和设计负担。摩擦电纳米发电机(TENGs)作为自供电主动传感技术具有优势,但当TENG传感器扩展至服装级或身体级阵列时,密集布线互连和周围电磁噪声引起的严重误识别问题凸显,寄生信号易被误认为真实输出,破坏传感保真度和全身运动捕捉的可靠性。
针对上述挑战,研究人员开发了一种复用摩擦电传感服装,支持自供电、高保真、无线、空间同步的全身运动捕捉。该服装在肩、肘、腕、膝等关键关节区域集成八个传感节点,并采用可拉伸蛇形电路以适应身体力学并保持可靠连接。在传感单元和电路上同时部署屏蔽层,形成静电受限结构,将布线 dB,阈值力提升至>
1.5 N。传感节点采用紧凑多层架构,包含SnS2纳米花(NFs)掺杂硅橡胶(SR)复合材料和SnS2NFs修饰的石墨状碳化纺织品(GTs),最大化电荷产生、捕获、传输和存储。结合体表无线处理器和深度学习(DL)后端,系统实现多部位全身信号的实时、时间同步采集和识别,上半身手势识别准确率达94.6%,下半身动作分类准确率达88.3%,全身游戏控制准确率达90.0%。该研究建立了可扩展、低成本、抗干扰的传感框架,适用于下一代可穿戴设备、沉浸式元宇宙交互、康复监测和具身人机接口。论文发表在《Advanced Science》。
研究人员采用以下主要技术方法:1)水热法合成SnS2纳米花(NFs),并制备石墨状碳化纺织品(GTs),通过掺杂和修饰构建复合摩擦电材料;2)多层屏蔽架构设计,对传感单元和蛇形电路同时施加导电织物屏蔽层,抑制静电干扰和电磁噪声;3)系统集成与无线化,将传感节点缝制于服装关键关节部位,通过蛇形电路连接至腰部的微控制器单元(Arduino Mega 2560),经蓝牙模块无线)基于卷积神经网络(CNN)的深度学习算法,将多通道运动波形转换为图像进行处理,实现动作分类。样本队列来源:多受试者验证采用三名不同体型测试者(179 cm/80 kg,165 cm/70 kg,185 cm/94 kg)。
研究人员设计了面向元宇宙的智能服装概念,包含分布式复用传感节点和多层摩擦电传感器与可拉伸电路的集成。每个传感单元尺寸7×7 cm2,厚度3 mm。传感器模块采用分层纺织结构:外层导电织物屏蔽层、聚酯正摩擦层、海绵间隔层、SnS2NFs掺杂SR负摩擦层、SnS2NFs修饰GT电荷捕获层、导电织物电极、SR隔离层和二次导电织物屏蔽层。双屏蔽层抑制非接触静电干扰、消除虚假身体接触识别并提供电磁屏蔽。电路模块采用蛇形互连,封装在导电织物电极、聚酯隔离层和双导电织物屏蔽层的分层纺织结构中,防止人体皮肤或物体接触布线时产生误识别信号。八个传感节点对称分布于肩、肘、腕、膝,形成符合人体工学的布局。所有节点连接至腰部的可穿戴处理单元,信号经微控制器数字化后通过蓝牙传输至外部接收器,由DL模型进行实时运动识别。系统采用10 000 mAh移动电源供电,可稳定运行超过一周。
研究人员优化了海绵间隔层结构,采用2×2孔阵列(响应时间0.034 s,恢复时间0.523 s),在5 N负载下表现出最快的响应和恢复行为,并在1000次操作循环和六次洗涤后保持稳定输出。引入导电屏蔽层后,无屏蔽器件在0.5 N小力下产生约10 V的电压(源于非接触静电感应),而屏蔽器件消除了寄生电荷,呈现清晰的线性力-信号关系。屏蔽层将激活阈值从约0.5 N提升至约1.5 N,有效区分有意机械输入与身体微动、服装摩擦等亚牛顿级干扰。在非接触手部运动测试中,屏蔽层将误识别信号从0.75 V降至0.22 V,接地后进一步降至0.001 V,误识别率(Rm)从约0.29降至0.13%。在电磁干扰测试中(笔记本电脑置于设备下方5 cm处),屏蔽器件将噪声从0.8 V降至0.001 V,衰减因子约800,屏蔽效能约58 dB。屏蔽还使恢复时间从0.523 s缩短至0.108 s。对于信号传输电路,当对无屏蔽电路施加5 N力时产生4.7 V的峰值电压,而多层屏蔽互连结构(导电织物/聚酯/导电织物/聚酯/导电织物)有效消除外部运动引起的电荷耦合和寄生静电感应。
通过八个分布式摩擦电节点捕获上半身手势(双手上举、双手下放、左手抬起、左手放下、左手左滑、右手右滑、放大、缩小),经DL模型训练后分类准确率达94.6%。PCA和t-SNE分析显示训练后特征空间形成紧凑且清晰分离的簇。该手势解码框架应用于演示控制:双手上举激活全屏模式,向上滑动切换幻灯片,横向手臂运动控制内容平移,双手扩张/收缩调节缩放。此外,五种投掷角度(60°、30°、0°、-30°、-60°)的测试手势实现实时投掷模拟游戏交互。
将传感服装扩展至下肢运动识别,捕获六种踢腿动作(不同高度、方向和角度轨迹),DL模型分类准确率达88.3%。PCA和t-SNE显示清晰分离。这些动作类别集成到虚拟足球游戏中,实现射门方向的实时控制(右上踢引导球至球门右上角,右下踢引导至右下角),展示了交互式体育训练和康复应用的潜力。
为验证系统极限,研究人员将传感服装应用于“街头霸王”风格虚拟战斗系统,要求识别九种全身手势(包含进攻、防御和组合动作),涉及快速过渡、空间不对称肢体轨迹和躯干与四肢协调旋转。尽管挑战严苛,系统仍实现90.0%的分类准确率,PCA和t-SNE显示训练后清晰分离。结合基于规则的决策引擎,将物理手势转化为游戏战术逻辑(如“Toton”防御“No shadow kick”,“No shadow kick”反击“Shoryuken”),实现双向交互策略。多受试者验证(三名不同体型测试者)表明系统在不同体型下均保持可靠识别性能。服装采用纺织兼容组件保持柔软性、灵活性和透气性,1000次循环和六次洗涤后输出稳定,支持实际穿戴耐久性。
屏蔽策略通过有效抑制大面积复用摩擦电传感系统中的寄生静电感应和电磁干扰,显著提升了上半身、下半身和全身运动识别性能。该服装级摩擦电传感平台通过大面积多通道传感网络和噪声自由的可拉伸电路集成,实现可靠全身运动捕捉。统一的多层屏蔽架构集成了电路级干扰屏蔽、电磁抑制和受控阈值电压条件,确保复杂动态运动期间低延迟、高保真的全身信号捕获。结合体表无线传输和DL算法,系统可准确解码多部位生物力学信号,支持多种沉浸式应用。该屏蔽策略建立了从材料到系统的通用框架,为全身运动捕捉提供连续的多关节协调和全身动力学追踪能力,超越局部传感器的能力范围。研究结论指出,这种功能对于自然运动的精确表征、高分辨率行为分析和更直观的人机交互至关重要。未来在多模态传感和自适应学习算法方面的进展将进一步增强全身运动捕捉能力,并扩大其在智能传感服装、元宇宙及相关领域的影响。
本文由:壹号娱乐 - NG大舞台,有梦你就来提供


