大家好！今天来了解一项非常有趣的科技成果 ——“Haptiknit：用于可穿戴触觉的分布式刚度编织”——《Haptiknit: Distributed stiffness knitting for wearable haptics》发表于《SCIENCE ROBOTICS》。在现代科技发展中，可穿戴触觉设备越来越受到关注，但传统的设备存在不少问题，比如刚性执行器和笨重电源系统影响可穿戴性，软材料又难以很好地分配刚度实现有效触觉反馈。而 Haptiknit 技术的出现，为这些问题带来了创新性的解决方案。
*
本文只做阅读笔记分享
*
一、引言
在当今科技领域，可穿戴触觉设备的发展备受关注。然而，传统设备存在诸多局限，如依赖刚性执行器和笨重电源系统，影响可穿戴性；软材料虽舒适但力传递和触觉反馈需更好的刚度分配。本研究的“Haptiknit”技术旨在解决这些问题，通过分布式刚度编织结合软气动执行器，为可穿戴触觉带来新的突破。
二、分布式刚度编织：原理与方法
（一）刚度控制的两种方式
1、改变编织拓扑结构
通过改变编织物的拓扑结构，如结的类型和图案，可显著影响织物刚度。例如，我们对由相同纱线（Yeoman540Denier80/20尼龙/Lycra）制成的三种不同拓扑结构的软织物进行单轴测试。织物A是单层½-gaugerib，织物B是双层针织½-gauge单针织物（正面）和¼-gauge单针织物（背面），织物C是三层间隔织物且中间层有褶皱。测试结果显示，它们的刚度变化可达8.43倍，并且都呈现典型的超弹性行为。从显微镜图像中也能清晰看到拓扑结构的差异。
2、添加热融合剂
在编织过程中选择性添加热融合剂（热塑性纤维，如HMS-Griltech390DenierGrilonK85），并在热定型后处理步骤中熔化，可产生全局硬化效果。我们测试了三种不同含量的热融合剂在织物中的情况，分别是织物D（占总织物重量的28.3%）、织物F（44.4%）和织物G（54.2%）。结果表明，随着热融合剂浓度增加，织物刚度最大可增加4.9倍，从最软的织物A到最硬的织物G，刚度差异近400倍。从显微镜图像中可以看到，随着热融合剂含量增加，更多硬化树脂气泡出现，材料呈现出越来越强的塑性行为。
考虑到舒适性，我们在袖套中选择了织物D，其刚度足以满足负载传递需求，且在热定型前后，织物从典型的超弹性响应转变为塑料响应，刚度因子为19.6。
（二）Haptiknit材料与性能
1、编织层设计
Haptiknit触觉袖套是一个精心设计的多层结构。它由两层主要编织层组成，每层又细分为三个子层，总共六个纺织子层。通过巧妙控制编织拓扑结构和材料，实现了刚度变化超过两个数量级。
低刚度区域（织物A、B、C）有不同功能。织物A区域与执行器充气区域接触，会随气动压力膨胀和收缩；织物B区域在执行器两侧，方便软管从执行器到供气系统的布线；织物C区域是狭窄的横向弹性织物，位于每个执行器之间，使整个系统能弯曲、扭转并适应不同用户的身体形状。
高刚度区域（织物D）的设计目的是保持高刚度材料的周向连续性，将作动力集中到可变形区域，同时约束袖套在身体上的组装。我们选择织物D而不是织物E和F，是因为它在目标力传递和用户舒适性之间达到了较好的平衡。
2、执行器选择与集成
我们采用3D打印的软执行器，为了确定最佳的材料类型和执行器厚度，对不同材料（Elastic50A和Flexible80A）和厚度（1.0、1.5、2.0mm）的执行器进行力响应测试。在测试中，考虑力而不是位移，因为位移会因用户皮肤弹性不同而变化。
测试结果表明，所有执行器在最大压力为230kPa时至少能达到35N的力。最终我们选择了Elastic50A材料、2mm壁厚的执行器。在标准系统压力（175kPa）下，它可实现最大24N的力。而且，我们对最终执行器配置进行了循环测试，在100个循环内，执行器保持了稳定的性能。
同时，我们还测量了执行器的频率响应和带宽，结果显示带宽为14.5Hz，这意味着作动力可以在高于人类自主运动带宽（约10Hz）的频率下变化，能产生自然的触觉感觉。
3、气动系统
我们开发了一种定制的便携式气动系统AirPort1.0，为执行器提供动力。这个系统是基于Shtarbanov等人的FlowIO设计改进而来。它重440g，具有双稳态供气功能，每个端口可以在由正压泵提供的充气通道和由真空泵连接的放气通道之间独立切换，从而每个端口有四种可能的状态：充气、保压、放气（用真空）和环境压力。
与其他便携式气动系统相比，AirPort1.0具有优势。例如，与ProgrammableAir系统相比，它有更多的输出端口；与Kim等人的设备相比，虽然压力范围小，但它有八个端口且能产生真空，重量也只有其六分之一，并且可以舒适地佩戴在上臂长时间使用。
三、用户研究：设计与结果
（一）实验设计
进行了一项有32名参与者的用户研究，包括三个部分，分别针对情感和判别触摸，同时还有实验后的评估。参与者通过大学邮件列表招募，涵盖不同年龄和性别，且都提供了知情同意，研究方案也获得了斯坦福大学机构审查委员会的批准。参与者在实验中佩戴袖套在右前臂，执行器位于背侧，实验过程中参与者肘部支撑，前臂和袖套在空中自由放置，并用盒子遮挡，同时佩戴主动降噪耳机播放白噪声，实验者通过自定义图形用户界面控制作动模式。在实验前，我们对袖套输出进行了校准，确定每个参与者能感觉到执行器压痕的最小压力以及开始感觉不舒服的压力。
（二）实验结果
1、执行器定位准确性
在执行器定位测试中，我们将每个执行器按校准后的最大压力充气三次，每次充气后让参与者猜测是哪个执行器被充气，执行器位置用1-8编号。
结果显示，整个实验的总体准确率为69%，远远高于随机猜测的12.5%。正确的执行器始终是最有可能被选中的，得分第二高的执行器位置通常是直接相邻且在同一行。而且，对于前臂内侧（执行器5-8）和外侧（执行器1-4）的判断准确率高达98%，其中内侧执行器的预测准确率为76%，外侧为63%。与振动刺激相比，这种基于准静态位移的触觉方法在判别触摸方面更成功，例如在类似的前臂执行器定位研究中，振动刺激的准确率通常在35%-55%之间，而我们的方法准确率更高。
2、抚摸模式感知
为了模拟抚摸感觉，我们按顺序充气执行器5-8，改变充气持续时间和延迟（延迟定义为下一个执行器开始充气相对于当前执行器充气持续时间的百分比）。
参与者对九种抚摸模式的连续性和愉悦度进行评价。连续性方面，当延迟固定时，随着充气持续时间增加，连续性降低；当充气持续时间固定时，随着延迟增加，连续性降低。
愉悦度方面，所有抚摸模式的平均评分都大于等于零，即没有抚摸模式被一致评为不愉快。其中，充气持续时间最短且延迟最大的模式被认为是最愉悦的，而一般来说，增加充气持续时间会降低愉悦度；对于短充气持续时间（200ms），增加延迟会提高愉悦度，但对于长充气持续时间则相反。
3、社交触摸手势识别
我们测试了参与者对六种常见社交触摸手势（注意力、感激、幸福、平静、爱和悲伤）的识别，这些手势是之前由Salvato等人研究并映射到我们使用的二乘四执行器布局上的。
结果显示，总体分类准确率为36%，是随机猜测率的2.2倍。其中，注意力和幸福手势的正确识别率超过随机猜测的三倍，主要混淆发生在这两个手势之间；感激和悲伤手势的正确识别率超过1.6倍随机猜测率，且分别是各自场景下的首选。平静和爱手势的混淆程度较高，接近随机猜测水平，导致参与者会选择其他手势替代，如注意力替代平静，感激替代爱作为首选。
参与者还对每个手势的感知效价、唤醒和真实性进行了评价。幸福手势的平均效价评分最高为6.25，悲伤最低为4.66；幸福的平均唤醒评分最高为7.31，远高于其他手势；感激的平均真实性评分最高为6.88，幸福最低为3.41。
4、实验后评估
实验后，参与者对自己在定位和手势识别任务中的表现进行了自我评估，同时对袖套的穿戴便利性、舒适性和美观性进行了评价（评价采用Likert量表，从0-10分）。
结果显示，参与者在定位和手势识别任务中的自我评估结果与实际准确率相符。在袖套评价方面，穿戴便利性、舒适性和美观性的中位数分别为9、8和7。其中，美观性评分的均值变化与参与者之前使用人机交互设备的经验有关，无经验者中位数为6，有限或中等经验者为7，丰富经验者为8.5。参与者反馈表明，选择的低刚度区域和袖套的闭合机制等关键设计特征使得袖套易于穿戴、舒适且美观，尤其对于有过测试触觉设备经验的参与者。
