面向运动捕捉应用的超宽压力范围柔性织物压力传感器阵列

研究背景

动作捕捉技术是VR/AR/MR、影视制作和运动康复等领域实现人体“数字化”的关键技术，受到多学科学者的广泛关注。然而，当前成熟的商业产品——包括光学捕捉与惯性捕捉系统——仍存在明显局限：设备穿戴繁琐、使用场景受限、干扰自然活动，严重影响用户体验，也阻碍了元宇宙的实际应用。为突破环境限制，学者们纷纷探索基于可穿戴设备的解决方案，例如柔性应变传感器、扭矩传感器和小型化惯性传感单元。尽管如此，这些方案仍多依赖传感服形态，穿戴复杂且不易被用户接受，同时大量传感器引出的繁杂布线也对人体工程学与舒适性设计提出了严峻挑战。

鞋垫作为人人日常必备的物品，有望成为理想的元宇宙无感佩戴数据输入终端。已有诸多研究尝试利用鞋垫中的传感器采集下肢动作数据并进行分析，但大多仅能实现有限动作模式的分类，远未达到元宇宙所追求的无缝衔接与自然操控的要求。目前，尚未见仅通过鞋垫传感器实现精确关节位置估计的相关报道，该方向仍存在明显的研究空白。

研究进展

如图1所示，研究提出了一种基于激光选择性切割与浸涂工艺的柔性压力传感器制备方法。该传感器具备超高工作压力范围（3770.9 kPa）与高灵敏度（2.68 kPa⁻¹），并表现出优异的工作寿命，在超过400万次循环压力测试后仍保持性能稳定。基于对人体足底中轴区域、边缘区域以及不同姿态下压力分布仿真结果的分析，研究者设计了一种合理的传感器阵列布局，以实现运动过程中足底压力信号的完整采集。

如图2所示，作者研制出集成16个传感单元的柔性压力传感器鞋垫，并结合自开发的阵列数据采集系统，实现了足底压力数据的实时获取。借助训练完成的卷积神经网络，系统对10种不同动态与静态运动姿态的分类准确率达到95.5%。

值得强调的是，通过上述鞋垫与硬件系统（图3），结合所设计的Transformer时序回归模型，研究实现了对志愿者下肢关键关节点的位置准确预测，包括髋、膝、踝、脚跟及脚尖。模型预测的平均误差仅为7.8像素（约合3.6 cm），显示出较高的估计精度。

作者进一步针对康复运动过程中的实时监测需求展开研究。对于腿部功能减弱或受伤的患者而言，抬腿与下蹲是常见的康复训练动作，然而目前缺乏有效的远程监测手段，难以为医生或患者提供对运动幅度与准确性的客观评估。如图4所示，受试者在佩戴所开发系统后，分别模拟了正常抬腿与抬腿高度不足两种情况。该系统通过柔性压力传感器阵列实时采集运动中的足底压力分布，并据此预测下肢关节状态，通过计算大腿抬起角度与目标角度的比值，自动判断当前动作是否达到要求以及与实际目标之间的差距，为康复训练质量的量化评估提供了可靠依据。

未来展望

本研究提出了一种新型下肢动作捕捉系统，首次将柔性压力传感器阵列与基于Transformer的时序回归模型相结合，实现了仅依托鞋垫嵌入式传感器即可对下肢关节运动位置进行准确估计。该系统为元宇宙研究者提供了一种全新的人体下肢运动数据输入终端，有效克服了现有动作捕捉技术对复杂传感器部署与环境依赖的限制，有望推动元宇宙相关应用的快速落地。此外，本研究开创了仅基于柔性压力传感器阵列实现下肢关节姿态高精度估计的新路径，也为柔性传感领域的研究者提供了一个新的、具有广泛应用前景的研究方向。

原文链接：https://spj.science.org/doi/10.34133/research.0835