文献笔记:把衣服做成计算机（怎么用衣服制作）

论文标题： 单根纤维计算机实现纺织品网络和分布式推理

发表年份： 2025年

通讯作者及单位： Yoel Fink，麻省理工学院电子研究实验室

研究背景： 穿戴式设备虽然能获取人体数据，但存在重量、舒适度、刚性等问题，难以持续使用。纺织品因其柔韧性和分布性，成为替代方案。

研究现状： 单根纤维功能已取得进展，但将计算能力嵌入纤维或纺织品仍面临挑战：

• 平面微器件与圆柱形纤维之间的拓扑不匹配
• 纤维的弹性和环境适应性
• 计算机所需功能的集成
• 纤维间刚性互连的限制

研究问题： 如何将计算能力集成到纤维中，并实现纺织品网络和分布式推理？

主要工作：

1. 折迭式互连器： 解决平面微器件与圆柱形纤维之间的拓扑不匹配，将二维微器件布局映射到三维圆柱形布局。
2. 螺旋铜微线连接： 将微器件连接成弹性纤维，并使其具有超过 60% 的拉伸能力。
3. 单根光纤计算机： 在单根纤维中集成 8 个微器件，包括 32 位浮点微控制器，实现传感、存储、处理和通信。
4. 无线通信： 实现两种无线通信方案，包括编织的光学链路和缝合的射频通信，克服刚性互连的限制。
5. 分布式推理： 通过将纤维计算机集成到服装中，并使用独立训练的神经网络，实现人体活动的分类。

创新点：

• 将计算能力集成到单根纤维中，实现轻便、灵活、可清洗的计算机。
• 开发折迭式互连器，解决平面微器件与圆柱形纤维之间的拓扑不匹配。
• 使用螺旋铜微线连接，实现纤维的弹性和环境适应性。
• 实现两种无线通信方案，克服刚性互连的限制。
• 通过分布式推理，提高人体活动分类的准确性。

研究方法：

• 折迭式互连器设计
• 微器件封装
• 设备连接
• 纤维制备
• 机械性能测试
• 光学传输测试
• 蓝牙通信测试
• 纺织品制备
• 神经网络训练和分类

制备流程：

1. 使用折迭式互连器将微器件封装成三维结构。
2. 将封装好的微器件和螺旋铜微线连接成线性 I2C 总线。
3. 将连接好的组件放入预成型体中。
4. 通过热拉伸过程将预成型体拉伸成纤维。
5. 将纤维编织成纺织品或缝合到服装中。

结果分析：

• 纤维计算机具有优异的机械性能，包括弹性和柔韧性。
• 纤维计算机能够实现无线通信和分布式推理。
• 纤维计算机网络在人体活动分类方面表现出色，准确率达到 95%。

重要发现：

• 分布式推理能够提高人体活动分类的准确性。
• 纤维计算机网络可以应用于各种场景，例如健康监测、运动分析等。

研究亮点：

• 开发了轻便、灵活、可清洗的纤维计算机。
• 实现了纤维计算机网络的无线通信和分布式推理。
• 通过分布式推理，提高了人体活动分类的准确性。

重要结论：

• 纤维计算机为纺织品网络和分布式推理提供了新的平台。
• 分布式推理能够提高人体活动分类的准确性。
• 纤维计算机网络可以应用于各种场景，例如健康监测、运动分析等。

图 1 展示了纤维计算机的制备过程和机械性能。

a. 折迭式互连器方法：

• 将二维微器件的引脚布局映射到三维圆柱形布局，解决平面微器件与圆柱形纤维之间的拓扑不匹配问题。
• 互连器由双层柔性电路板组成，内侧与微器件引脚布局匹配，外侧折叠后与纤维中的螺旋线布局匹配。
• 将微器件连接到互连器，并将其折叠成三维结构，然后将铜线连接到折叠后的互连器两侧。

b. 热拉伸过程：

• 将连接好的组件放入预成型体中，预成型体由牺牲性 PMMA 包覆层和内层 ECOC 弹性体圆柱组成。
• 通过热拉伸过程将预成型体拉伸成纤维，同时保持组件的功能性。
• PMMA 包覆层在拉伸过程中被去除，留下 ECOC 纤维和封装的微器件。

c. 拉伸性能：

• 展示了纤维算机在拉伸过程中的力学性能，包括拉伸强度和断裂伸长率。
• 断裂伸长率超过 67%，表明纤维计算机具有良好的弹性。

d. 弯曲性能：

• 展示了纤维计算机在弯曲过程中的力学性能，包括弯曲半径和电阻变化。
• 纤维计算机在较小的弯曲半径下仍能保持功能，表明其具有良好的柔韧性。

e. 编织光纤：

• 展示了使用 Kevlar 纤维编织的纤维计算机，能够承受 1 公斤的悬挂重量，表明其具有良好的机械强度。

f. 打结光纤：

• 展示了使用 PLA 纤维编织的纤维计算机，即使打结后仍能保持功能，表明其具有良好的柔韧性。

图 2 展示了单根纤维计算机的电气特性和功能。

a. 纤维计算机示意图：

• 每个纤维计算机包含 8 个微器件，包括传感器、微控制器、存储器、通信设备等。
• 这些器件通过 4 根电极连接成线性 I2C 总线，实现传感、计算、存储和通信功能。
• 纤维计算机还可以连接到嵌入锂离子电池的光纤，为器件供电。

b. 传感器数据：

• 展示了从嵌入式传感器获取的典型时间序列数据，包括光传感器、温度传感器、加速度计和 PPG 传感器。
• 这些数据通过 I2C 总线传输，并由微控制器进行处理。

c. 心率监测算法：

• 展示了在嵌入式微控制器上运行的算法，用于根据 PPG 传感器数据监测心率。
• 算法包括低通滤波、梯度阈值和脉冲检测，能够实时识别 PPG 数据流中的单个脉冲。
• 微控制器将心率估计值通过 I2C 总线传输到 BLE 节点，并通过 BLE 发送到外部设备。

d. 电源管理：

• 展示了嵌入锂离子电池的纤维的放电曲线，表明其在不同放电电流下的容量和电压变化。
• 纤维计算机的平均电流消耗为 2.6mA，电池能够为其供电 6 小时。

图示分析：

• 纤维计算机集成了多种功能，能够实现复杂的计算任务。
• 纤维计算机具有良好的电气性能，包括高速 I2C 总线和稳定的电源供应。
• 纤维计算机可以应用于各种场景，例如健康监测、运动分析等。

图 3 展示了多根纤维计算机之间的通信和纺织品网络。

a. 光学通信网络：

• 使用 LED 和光传感器实现纤维计算机之间的光学通信。
• 使用两个光学波导作为总线，创建纤维之间的双向链接。
• 每个纤维计算机都包含 LED 和光传感器，通过总线与其他纤维通信。

b. 蓝牙通信网络：

• 使用嵌入式 BLE 模块实现纤维计算机之间的蓝牙通信。
• 采用部分连接的网状网络架构，每个节点可以与任何其他节点进行双向通信。
• 蓝牙通信可以用于短距离通信和设备间的数据交换。

c. 光学通信测试：

• 展示了纤维计算机之间通过 LED 发送 10 位消息的光学通信测试结果。
• 使用开关键控调制和曼彻斯特编码，实现无时钟信号和噪声容错的光学通信。

d. 光学通信性能：

• 展示了接收纤维的强度随着发送纤维和波导之间压缩力的增加而增加。
• 表明压缩力可以增强纤维和波导之间的耦合，提高光学通信的效率。

e. 光学通信距离：

• 展示了纤维之间距离变化时，通过波导传输的光强度的变化。
• 表明波导可以有效地传输光信号，支持纤维之间的长距离通信。

f. 纤维计算机集成到针织布料：

• 展示了将纤维计算机集成到针织布料中的示例，包括针织结构和使用波导总线的纤维。

g. 纤维计算机集成到编织布料：

• 展示了将纤维计算机集成到编织布料中的示例，包括编织结构和使用波导总线的纤维。

h. 纤维计算机集成到服装：

• 展示了将纤维计算机缝合到现有衬衫中的示例，每个侧面缝合一根纤维计算机。

图示分析：

• 纤维计算机可以通过光学通信和蓝牙通信实现互连。
• 纤维计算机可以集成到各种纺织品中，构建纺织品网络。
• 纤维计算机网络可以应用于各种场景，例如分布式推理、数据共享等。

图 4 展示了纤维计算机网络在人体活动分类中的应用。

a. 训练穿戴者：

• 展示了训练穿戴者进行的五种运动，包括深蹲、弓步、平板支撑、手臂画圈和右腿驴踢。

b. 纤维计算机算法：

• 展示了在测试穿戴者上运行的纤维计算机算法，包括加速度计数据采集、神经网络推理和 BLE 通信。
• 每个纤维计算机上的加速度计采集运动数据，并传输到微控制器进行推理。
• 微控制器使用训练好的神经网络模型进行推理，并计算每种活动的预测概率。
• 预测概率通过 BLE 发送到中心纤维计算机，进行网络平均和最终分类。

c. 单根纤维计算机的推理结果：

• 展示了从训练穿戴者身上采集的臂圈和驴踢运动的加速度计数据，以及每个肢体纤维计算机上的神经网络推理结果。
• 单根纤维计算机的推理准确率较低，因为它们只能访问局部数据。

d. 纤维计算机网络算法：

• 展示了纤维计算机网络算法，包括外围节点向中心节点发送加权概率，并计算最终分类。
• 网络平均考虑了每个纤维计算机的预测精度，提高了分类准确率。

e. 纤维计算机网络推理结果：

• 展示了纤维计算机网络对测试穿戴者进行活动分类的混淆矩阵，准确率达到 95%。
• 表明纤维计算机网络能够有效地识别人体活动，并优于单根纤维计算机。

图示分析：

• 纤维计算机网络能够通过分布式推理提高人体活动分类的准确性。
• 纤维计算机网络可以应用于各种场景，例如健康监测、运动分析、跌倒检测等。
• 纤维计算机网络为理解人体生理提供了新的途径。