运动捕捉在医疗、体育、人机交互等多个领域具有重要意义。穿戴式运动捕捉设备能够很好地与衣物结合，以实现舒适、无感的动捕体验。相比基于光学镜头的运动捕捉设备，穿戴式运动捕捉设备更加轻便、不受场地和镜头遮挡等因素的影响，表现出良好的发展前景。然而，穿戴式柔性运动捕捉设备在运动过程中，不可避免会随人体表面发生变形。变形的复杂性使得动捕设备获取的信号难以与运动行为本身建立明确映射关系，导致传感器分辨行为的准确性不足。因此，如何实现柔性运动捕捉设备在跟随表面变形时准确地感知运动状态，对穿戴式设备的发展十分重要。
据麦姆斯咨询报道，近期，华南师范大学的李昕明团队开发了一种具有形变解耦能力的差分式柔性传感器，用以解决复杂形变导致的动捕准确率不足问题。相关研究成果以“Differential design in homogenous sensors for classification and decoupling kinesthetic information through machine learning”为题发表在Applied Physics Review期刊上，并被编辑选为期刊推荐论文（Feature Article）。
该差分式柔性传感器结构参考了生活中的平纹编织结构，利用2根导电纱线的空间分布差异，使导电纱线在面对不同形变时产生特异性的电学信号输出模式，从而分类、解耦形变，进而实现对运动的准确映射。
图1 差分式柔性传感器的设计原理（图片来源：Applied Physics Review）
为研究该差分式柔性传感器对于不同形变的响应模式，研究人员首先通过三种基本形变的施加进行了测试。结果表明，该器件能够区分拉伸、向上弯曲以及向下弯曲三种不同的基本形变模式，并且能够区分形变的程度。
图2 差分式柔性传感器对于基本形变的响应模式（图片来源：Applied Physics Review）
随后，研究人员研究了其对于多种形变耦合的解耦能力。通过引入一种名为“shapelet”的机器学习模型，该差分式柔性传感器能够实现对25种不同程度拉伸和弯曲组合的解耦。除此之外，研究人员发现，通过多个器件的空间排列，还可实现包括剪切、扭转在内的更为复杂的形变解耦。该传感器对于复杂形变的解耦能力意味着其在真实场景中面对复杂运动形变输出准确运动信息的潜力。
图3 基于响应关系通过机器学习模型实现复杂形变的解耦（图片来源：Applied Physics Review）
因此，研究人员进一步研究了该差分式柔性传感器在人体复杂运动捕捉场景中的潜力。研究发现，该器件能够区分关节活动的方向和角度，并且通过将该器件集成于手套上，还可实现“凌空手写输入”。在实验中，研究人员利用佩戴有手套的手书写“A”、“B”、“C”三个字母，并通过shapelet模型识别传感器的输出信号，结果显示识别准确率达到95%以上。除此之外，凭借强大的解耦能力，该器件有望无需校准即可实现准确的动作捕捉。这意味着，利用该器件构建的动捕系统，其准确性不会受到佩戴者体型差异或佩戴位置差异的影响，有望实现如衣物一般“穿上即用”，极大改良了穿戴式动作捕捉的使用体验。
论文链接：https://doi.org/10.1063/5.0144956
