MIT 工程师研发出一种柔性形状感知薄膜，能够在弯曲扭转时实时数字重建自身形态。该传感器原理类似于运动捕捉服装，但后者使用硬质传感器缝入衣物，而本设计在柔软可拉伸的硅胶薄膜中嵌入多根软光纤，光纤呈锯齿状分布。薄膜弯曲时光纤随之弯曲，光在纤芯内的传播模式随之改变。研究团队编写了实时解析光强变化的算法，将光强映射为每根光纤的弯曲角度，再综合得到薄膜的三维形状。即使部分光纤被切断，剩余光纤仍能恢复整体形状，表现出对损伤的鲁棒性。
光纤本身采用透明橡胶芯和同材质的黑色包层，芯的一侧人为粗糙化。粗糙侧在弯曲时会散射光，使得同一弯曲角度下光强取决于弯曲方向，从而实现双向形状感知。团队在硅胶薄膜中布置了多根此类光纤，并通过仿真比较了棋盘格、交叉和锯齿三种排布。结果表明，等间距的锯齿排列在重建误差上最优。
实验阶段，研究者在每根光纤一端集成 LED，另一端放置光传感器，并将所有信号送至外部电路板进行放大采集。算法根据光强实时计算每根光纤的弯曲程度，再通过几何融合得到整片薄膜的 3D 轮廓。实际操作中，薄膜被折叠、扭转或放入不同的 3D 打印模具，数字重建几乎同步显示，误差低于 0.4 cm，显著优于基于刚性传感器的 1–2 cm 误差。
该技术的潜在应用包括可穿戴交互服装、游戏角色控制以及远程机器人操作。更具价值的是在物理治疗中的应用：薄膜可环绕患者四肢，记录每次康复训练的活动范围和运动轨迹，为治疗师提供量化的进展数据。
未来工作计划将光纤厚度从 1 mm 缩小至数十微米，以实现更薄的感知层，并在服装中嵌入更多光纤以捕获更细致的形变。
点评：该工作展示了软光纤与实时算法结合的潜力，为可穿戴交互、康复监测等提供了高精度、低误差的形状感知方案。