病人見不到醫生，卻能透過一款可穿戴裝置，讓醫生透過螢幕獲悉其相關資料；球場上的運動員，戴上這款可穿戴裝置，就能實時監測球員資料，教練就能針對性地訓練球員；在家幹活擰螺絲時，不知道怎麼用力？戴上裝置並連上電腦，電腦就能告知你用的力氣是大是小。

圖 | 3D 列印的柔軟手套

該裝置是一款 3D 列印的柔軟手套，它演示了一種由彈性體光導平行元件構成的感測器，相關研究以《可拉伸的分散式光纖感測器》為題發表在 Science 上，由正在康納爾大學讀博的白鶴丹和李碩研發。

27 歲的白鶴丹是該論文一作，她來自遼寧鞍山，自本科起便留學該校，本科時讀的雙專業：機械工程、運籌學與資訊工程，直博期間就讀於機械工程專業。

她告訴 DeepTech，手套只是一個演示，本次研究真正的創新點是光纖感測。目前，業界所有柔性感測器都存在共同的侷限性，即只能輸出一種訊號，但是感測器會有多種形變，這樣一對多的關係會導致只根據一種訊號，很難判斷出形變過程。

而基於二氧化矽的分散式光纖感測器（DFOS，Distributed Fiber Optic Sensing）系統已廣泛應用在諸多場景，如檢測不可擴充套件結構中的壓力、振動、加速度、溫度等。

但是，DFOS 系統與可伸縮電子裝置的大型應變並不相容。基於該痛點，白鶴丹和團隊研發出這款感測器，並把其命名為柔性光纖感測器。

透過內部反射和吸收，可拉伸 DFOS 能區分和測量機械變形的位置、大小和模式，如拉伸、彎曲或壓制等。以演示可拉伸 DFOS 所具備功能的手套為例，透過可拉伸 DFOS 進行的多位置解耦和多模式變形解耦，該手套能同時重新配置所有型別的手指關節動作和外部按壓，並且僅需一個感測器即可實時進行。

在可拉伸 DFOS 系統中，白鶴丹設計了兩種彩色染料圖案，一種是連續梯度染料圖案，可獲得單模變形的連續空間解析度，另一種是離散色塊圖案，它能用離散空間解析度去測量和解耦多種變形模式。

圖 | 染色圖案

為演示該系統的多功能性，白鶴丹主要採用離散色塊圖案進行設計，並將其命名為可拉伸的多模態感測光導板（SLIMS）。

如下圖所示，SLIMS 由兩個聚氨酯彈性體芯組成：分別是摻雜了吸收染料的染色芯、和一個不帶染料的透明芯。白色發光二極體的一端耦合到染色芯，另一端則放有兩個紅綠藍的感測器晶片，其中一個感測器晶片耦合到染色芯，另一個感測器晶片耦合透明芯。透過觀察染色芯和透明芯的色度以及強度輸出，就能確定目標物變形的位置、大小和模式。

圖 | SLIMS 結構

安裝在染色芯上的白色發光二極體的視角為 110°，所以來自同一發光二極體的光線也可以進入透明芯，透明芯中摻雜的染料可充當顏色程式碼，由於染料圖案的深度比染色芯低很多，因此很少有光線能以未變形形態穿過染料。當光線未變形時，染色芯和透明芯均呈現出白色。

當染色區域被拉伸時，該區域中的光路長度增加，從而會引起染料更多的吸收，輸出的光也會隨著相應顏色而變化。根據比爾 - 朗伯特定律（ Beer-Lambert law)，由於拉伸會增加兩個核心的光路，因此兩個核心的光輸出強度都會降低。

如下圖所示，拉伸的多模態感測光導板（SLIMS）的表徵表明，隨著任何單個染色區域的拉伸，透明芯中無法再觀察到色度變化。基於染色芯的衰減，SLIMS 的應變靈敏度在 150％的範圍內落在 2 至 5 dBε-1 內伸長（其中 ε 為應變），並能以 0.5 毫米的預應變獲得 0.1 毫米的解析度。

圖 | SLIMS 在不同變形模式下的表徵

而當染色區域處於彎曲狀態時，染色芯中的大多數光線都能穿過染料，輸出顏色也會發生變化。某些不能滿足臨界角的彩色光線，會從染色芯中溢位並進入透明芯中，但是這些光線無法耦合到透明芯，因此透明芯仍然輸出白光。

具體來說，四個染色區域每一個都可彎曲到最大 κ= 0.65 cm-1 的曲率，白鶴丹測量了兩個芯的色度和強度響應後發現，染色區域彎曲時的顏色響應與拉伸響應類似，透明芯輸出保持白色，而染色芯的輸出會朝著彎曲染料區域去改變顏色。

由於強度在彎曲中基本不受影響，但會在拉伸中明顯衰減，因此上述拉伸和彎曲的區別，可透過比較透明芯的強度輸出來實現。透過染色芯的衰減，SLIMS 的彎曲靈敏度為 7 至 24 dB・cm-1。

用 3D 列印的柔軟手套來演示 SLIMS

為展示上述過程，白鶴丹把 SLIMS 整合到 3D 列印的柔軟手套中，手指的近端、中端和遠端分別被離散的紅藍綠染料覆蓋，此外每個手指僅使用一個定製 SLIMS，該 SLIMS 可以同時捕獲三個手指關節的本體感覺、和外部按壓的外部感覺。

圖 | SLIMS 整合的軟手套和多關節彎曲的本體感覺

當食指以不同關節角度組合彎曲時，白鶴丹開始從透明芯、和染色芯中收集 RGB 強度的原始資料，當食指近端或中端關節只有一個彎曲時，染色芯會立馬從白色變為紅色或藍色，根據顏色變化就能確定關節彎曲位置和角度。

而當多個關節折彎共存時，白鶴丹發現折彎區域開始出現顏色混合，因此需要建立一個數學模型，來消除色度和強度響應方面的差異。

如下圖所示，當僅彎曲單個手指關節時，她先在 SLIMS 中測量染色芯的響應，然後對所有三個關節重複上述測量。而為了分離強度響應和色度響應，白鶴丹將 RGB 強度輸出轉換為 CIE xyY 顏色空間，這樣便可實現手套實時執行三個手指關節運動的解耦和重建。

圖 | SLIMS 整合的軟手套去耦結合了本體感受和外在感受

對於同時進行的外在感受，白鶴丹透過設定透明芯的歸一化強度輸出的閾值，來實現外部按壓與彎曲的解耦，在手指關節彎曲 0 至 10 s 的情況下，強度會略有衰減，當在不同手指關節上按壓 SLIMS 10 至 30 s 時，透明芯就會跳躍。

基於此，她將此閾值設定在 0.75 到 1.0 的範圍內，當歸一化強度超過此範圍時，就能確定壓力的存在。

為了簡化色度表示，她從透明核心輸出的 RGB 強度中提取了色相值，壓制期間施加的力氣大小，也與此色相值成定性比例，當食指在多個位置彎曲時，就能實時重建外部壓力的位置和大小。

明年將有相關產品問世

談及該研究的落地，白鶴丹表示她的導師 Robert F. Shepherd 教授已經有一個創業公司，目前正在基於該研究研發產品，預計明年將推出相關產品。

除用手套檢測外界變化之外，他們還能把可拉伸 DFOS 系統縫到衣服上去監測各種訊號。

圖 | 不發光時的 3D 列印的柔軟手套

白鶴丹告訴 DeepTech，以體育資料分析為例，其在美國已經是相對成熟的產業，有些球隊聯盟透過資料採集和分析來制定戰術，進而提高球員訓練水平。2011 年，有一部改編自紀實書的電影《點球成金》（ Moneyball ）， 講的是一個棒球隊用這種方式，用小成本連年贏得MLB（美國職業棒球大聯盟）冠軍的故事，這也算是美國體育資料分析產業的開端。

但是現在大家更感興趣的是，如何獲取球員的資料，透過這些資料再聯絡到球員的比賽表現，教練就可以實時地判斷誰是好球員，以及球員在哪方面存在問題，從而來制定個性化訓練教程。

為保證產品可以真正滿足使用者需求，白鶴丹專門去採訪當地美國棒球聯盟的一百多位專業人士，去了解他們的訴求。期間她發現，教練和球員對他們的感測器很感興趣，一直問是否有相關產品。