Conception topographique dans des capteurs MXene portables avec apprentissage machine intégré pour la reconstruction d'avatars corporels complets

Les capteurs de contrainte portables qui détectent les changements de contrainte des articulations/des muscles deviennent prévalents aux interfaces homme-machine pour la surveillance des mouvements corporels complets. Cependant, la plupart des dispositifs portables ne peuvent pas offrir des possibilités personnalisables pour adapter les caractéristiques des capteurs à des plages de déformation spécifiques des articulations/des muscles, ce qui entraîne des performances suboptimales. Une conception adéquate des capteurs de contrainte portables est fortement requise pour atteindre des fenêtres de fonctionnement désignées par l'utilisateur sans compromettre la haute sensibilité, accompagnée d'un traitement des données en temps réel. Dans ce contexte, des modules de capteurs MXene Ti3C2Tx portables sont fabriqués avec des modèles d'apprentissage machine (ML) intégrés, fonctionnant soit par streaming sans fil, soit par calcul de périphérie, pour des classifications de mouvement corporel complet et la reconstruction d'avatars. Grâce à la conception topographique sur des nanocouches piézorésistives, les modules de capteurs de contrainte portables ont montré des sensibilités ultrahautes dans les fenêtres de travail qui répondent à toutes les plages de déformation des articulations. En intégrant les capteurs portables à une puce ML, un module de capteur de périphérie est fabriqué, permettant la reconstruction intégrée d'animations d'avatars de haute précision qui imitent des mouvements corporels complets continus avec une erreur de détermination moyenne d'avatar de 3,5 cm, sans dispositifs de calcul supplémentaires.