智能纺织品作为纺织领域的发展新方向，具有广阔的发展前景和潜力，其利用智能元件或组织，能够感应外界环境的变化，及时做出反应。近日，麻省理工学院公布了一款智能面料，该面料不仅舒适贴身，还能感知穿着者的姿势和动作，如行走、跑步、跳跃等。

研究人员通过数字化针织技术，将多层织物与功能性导电纱线编织在一起，利用功能性纤维的交叉点形成压力传感器，但是由于在织物中的纱线柔软易弯，所以当穿着者活动时，纤维之间会相互移动并产生摩擦，进而出现噪声并影响传感精度。

因此，研究人员利用一种热塑性纱线，通过微加热（70℃以上时）使其热定形，从而提高织入压力传感器的精度。同时，该热成型工艺还能够帮助实现理想的符合用户尺寸要求的3D形状，例如可以做成鞋子、袜子等。

受图像分类深度学习技术的启发，研究人员设计了一个将压力传感器数据显示为热图的系统，这些图像被输入到一个机器学习模型中，通过对该模型的训练使其能够根据热图图像检测用户的姿势、姿态或运动。

通过上述方法，研究人员制备了一种“智能”垫子，然后建立了一个硬件和软件系统，以实时测量和解释来自压力传感器的数据，机器学习系统一旦经过训练，就可以对用户在智能垫上的活动进行分类，如走路、跑步、做俯卧撑等，准确率达99.6%，同时还能以98.7%的准确率识别7个瑜伽姿势。

此外，研究人员还使用圆机织造了一款贴合脚型的“智能”鞋，在整个“智能”鞋上分布着96个压力传感点，可以用其测量穿鞋者踢球时施加在脚上不同部位的压力。同时，研究人员还开发了一种智能纺织地毯，可以根据舞者的脚步驱动音符和声景，探索音乐和编舞之间的双向关系。

这项技术能够实现自由设计和大规模制造，在许多领域尤其是医疗保健和康复领域应用广泛。例如，它可以用来生产智能鞋，跟踪受伤后康复人群的步态，或者生产袜子，监测糖尿病患者脚上的压力，防止溃疡的形成。

目前，该模型必须针对每个人进行校准，然后才能对行动进行分类，取消校准步骤将使其更容易使用。未来，研究人员将继续完善电路和机器学习模型，同还希望在实验室进行测试，探究温度和湿度等环境条件对传感器准确性的影响。