W puli możliwych do rozpoznania aktywności wymienia się między innymi chodzenie, bieganie i skakanie. Gdyby takie rozwiązanie weszło do codziennego użytku na większą skalę, to mogłoby znaleźć zastosowanie na przykład w dziedzinie medycyny. Wystarczy sobie wyobrazić, że opisywane tkaniny mogłyby posłużyć do produkcji inteligentnych butów, które śledzą kroki osoby uczącej się chodzić po urazie. Specjalne skarpetki mogłyby natomiast monitorować nacisk na stopę pacjenta z cukrzycą.
Czytaj też: Sztuczna inteligencja jest szkolona dwukrotnie szybciej niż rok temu. Pojawiły się imponujące wyniki
Podstawę całego projektu stanowiła plastikowa przędza, które została częściowo stopiona w procesie zwanym termoformowaniem. Dzięki temu wzrosła precyzja czujników ciśnienia rozmieszczonych w obrębie tkaniny. Jak wyjaśnia jeden z członków zespołu, Irmandy Wicaksono, metoda produkcji owego materiału powinna umożliwić szybkie tworzenie prototypów, a w przyszłości pozyskiwanie go na masową skalę.
W skład materiału wchodzą dwie warstwy tkaniny z przędzy przewodzącej, umieszczonej wokół dzianiny piezorezystancyjnej. Ta ostatnia doświadcza zmiany rezystancji pod wpływem nacisku. Maszyna używana w procesie szycia łączy przędzę na całej powierzchni tkaniny w poziomych i pionowych rzędach. W miejscu przecięcia się włókien funkcjonalnych powstaje czujnik ciśnienia.
Tkanina zbiera dane, które są analizowane z wykorzystaniem uczenia maszynowego
Do interpretacji zbieranych danych służy model, który wyświetla dane z czujników ciśnienia w formie mapy ciepła. Resztą zajmuje się system oparty na uczeniu maszynowym, zdolny do wykrywania postawy, pozy lub ruchu użytkownika na podstawie wspomnianej mapy. Po przeszkoleniu model był w stanie klasyfikować aktywność użytkownika na inteligentnej macie z dokładnością 99,6 procent. W przypadku jogi udało mu się natomiast rozpoznawać poszczególne pozy z dokładnością 98,7 procent.
Czytaj też: Sztuczny mięsień jest bardziej elastyczny od biologicznych. Zachwyca też innymi możliwościami
W dziedzinie medycyny, a w szczególności w ortopedycznej medycynie sportowej, technologia ta zapewnia możliwość lepszego wykrywania i klasyfikowania ruchu oraz rozpoznawania wzorców rozkładu sił w rzeczywistych (poza laboratoryjnych) sytuacjach. Jest to typ myślenia, który usprawni techniki zapobiegania i wykrywania urazów oraz pomoże ocenić i ukierunkować rehabilitację.Eric Berkson, Harvard Medical School
