理大創新技術提升運動及醫療壓縮服裝緊身度與效能

服裝設計為實現最佳的稱身度與舒適度，必須考慮人體在運動過程中軟組織的變形情況，這也是設計運動與功能性醫療服裝的一大挑戰。香港理工大學（理大）成功研發出創新的人體測量技術，能有效提供精確的測量數據，以提升壓縮服裝的性能和設計。

理大時裝及紡織學院副院長及教授葉曉雲教授帶領的研究團隊，運用糅合圖像識別演算法的創新人體測量學方法，系統化地測量人體組織變形情況，有效降低因動作造成的測量誤差。研究選取了不同材料力學性能、版型設計及周長尺寸的緊身運動褲作為實驗樣本。

理大時裝及紡織學院副院長及教授葉曉雲教授帶領的研究團隊，運用糅合圖像識別演算法的創新人體測量學方法，系統化地測量人體組織變形情況，有效降低因動作造成的測量誤差。團隊亦以彈性理論及應力函數方法為基礎，運用彈性力學的 Boussinesq解和應力函數構建了一個可以預測人體組織變形的分析模型。值得注意的是，該項創新技術能夠透過圖像識別演算法，準確量化人體在動態狀態下組織變形的情況，解決長久以來緊身運動服和可穿戴式裝置服裝設計時面對的技術挑戰。

這創新技術能夠透過圖像識別演算法，準確量化人體在動態狀態下的組織變形，解決了一直以來設計緊身運動服和可穿戴式裝置服裝的技術挑戰。

若變形測量不夠精準，尤其是運動過程中，往往會導致服裝不稱身，並令其功能大打折扣。這項創新技術能有效減少因運動產生的偽影，並建立系統化的分析框架，有效關聯服裝壓力與組織反應，這對可穿戴式裝置的生化功效至關重要。

這創新技術能夠透過圖像識別演算法，準確量化人體在動態狀態下的組織變形，解決了一直以來設計緊身運動服和可穿戴式裝置服裝的技術挑戰。

人體軟組織變形直接影響服裝外觀、舒適度、功能性，以及生理機能如血液流動與肌肉支撐等關鍵因素。研究團隊結合力學性能測試，能準確地預測組織變形情況。根據人體掃描測量數據的驗證結果顯示，在靜態條件下偏差不超過 1.15 毫米，而在動態條件下偏差則在 2.36 毫米之內。此測量方法非常精準，準確反映軟組織的變形情況，為服裝設計師提供可靠數據。

葉曉雲教授指出：「我們研發的技術特別適用於各類壓縮服裝，例如緊身褲等運動服裝，以及壓縮襪和手術後使用的功能性醫療服裝等。透過分析模型，還可以依據不同服裝類型，調整材料的機械性能與周長尺寸等參數。」

這創新技術能夠透過圖像識別演算法，準確量化人體在動態狀態下的組織變形，解決了一直以來設計緊身運動服和可穿戴式裝置服裝的技術挑戰。

研究選取了不同材料力學性能、版型設計及周長尺寸的緊身運動褲作為實驗樣本。研究結果提出了具體可行的分析方法，成功建立了材料特性與服裝稱身度及性能之間的關聯。該技術框架不僅推動了可穿戴應用生物力學模擬技術的發展，亦為提升運動服裝人體工程學提供了實用工具。透過數據驅動的壓縮服裝設計，能有效提升運動表現，同時降低肌肉骨骼損傷的風險。這項創新技術實用性及成本效益兼備，能為服裝產業帶來深遠的轉化潛力。由於技術可整合到現有的電腦輔助設計／電腦輔助製造系統中，能有效簡化原型設計，並減少對反覆試驗的依賴。透過量化個別的組織反應，輔助個人化服裝設計，特別適用於因應特定患者需求而度身訂造的醫用壓縮服裝。此外，圖像工具亦可以減少對高成本動作捕捉系統的依賴，因此該技術十分適合中小型企業使用。

這創新技術能夠透過圖像識別演算法，準確量化人體在動態狀態下的組織變形，解決了一直以來設計緊身運動服和可穿戴式裝置服裝的技術挑戰。

這項研究題為「準確評估組織變形的創新人體測量技術」（A novel anthropometric method to accurately evaluate tissue deformation），已於《生物工程及生物技術前沿》（Frontiers in Bioengineering and Biotechnology）學術期刊發表。

這項突破性技術充分凸顯理大在跨學科轉化研究的雄厚實力，能有效融合時裝、生物力學、材料科學、電子計算學及工程學等多個領域的學術專長，以解決緊身運動服和可穿戴式裝置服裝設計的實際難題。

工業 5.0 時代的核心在於人機協作，香港理工大學（理大）科研團隊在此領域取得創新突破，研發出新一代「人機共生」協作製造系統，不僅能實時感知複雜環境、準確解讀操作人員意圖，更能通過簡單示教學習，完成技能遷移和自動學習，並實現自主的工藝代碼生成與高準確度任務執行的自動調節，已成功應用於大型飛機自主製孔、電動車電池拆解等高端製造任務，為業界打造「人本智能製造」新模式奠定重要基石。

人機之間的協同運作，旨在結合人類的靈活應變與適應能力，以及機器的高精準度與穩定性，發揮各自最大價值。這套「互相認知人機協作製造系統」，由理大黃鐵城智能機器人學青年學者、工業及系統工程學系副教授鄭湃教授及其科研團隊開發，一改傳統倚賴預編程設計，以整體場景理解為核心，通過收集及分析視覺、觸覺、語言及生理信號等多模態感知訊息，實現高準確度與全方位的環境分析，並可自主作出決策及靈活執行任務。

該「互相認知人機協作製造系統」能支援機器人執行情境認知、工具調用及密集接觸，完成複雜任務。

該新系統具備先進的機器學習與三維場景感知能力，兼具效率與安全性，大大促進了人與機器人在複雜製造場景中的流暢互動。透過產業合作項目，團隊已為多家領先企業量身打造人機協作系統，並成功於多種場景落地，主要涉及精密或複雜的工序。

鄭教授表示：「全球製造業轉型都正追求人機共生模式，看重更具彈性的自動化效能。我們的研究旨在構建一種嶄新人機協作架構，提供具有多模態自然感知、跨場景技能遷移、域模型自主執行的智能機器人製造系統，使機器人不再只是工具，而是能與操作人員同步演進的智能體，為智慧工廠突破基於預編程的自動化手段提供新方案。」

研究構建了一種嶄新人機協作架構，可因應應用場境打造不同的智能機器人製造系統，輔以頭戴式裝置後更能夠提供實時數據擷取，為操作人員提供即時、直觀的引導。

半結構化、非結構化生產場景，例如個性化產品製造，通常涵蓋大規模、複雜的產品組裝、拆解與檢測流程，要求高認知及快速適應能力。研究團隊引入新穎的「視覺語言導引」規劃架構，融合大型語言模型、深度強化學習等前沿人工智能技術，輔以混合實境（MR）頭戴式裝置，提升應對個性化與其他不可預測生產任務的能力。

研究構建了一種嶄新人機協作架構，可因應應用場境打造不同的智能機器人製造系統，輔以頭戴式裝置後更能夠提供實時數據擷取，為操作人員提供即時、直觀的引導。

該架構關鍵創新在於結合了視覺語言導引的目標分割模型，以及由語言指令驅動的任務規劃方法，令系統能整合視覺資訊與語言指令，協助機器人掌握複雜任務語意及識別動態場景，從而與操作人員高效協作。其中，頭戴式裝置能夠提供實時數據擷取，為操作人員提供即時、直觀的引導，亦革新了人機互動介面。

鄭教授強調：「未來智能製造的發展方向不是讓機器變得更聰明去取代人類，而是在人與機器共同學習、調適與成長的模式中，創造出更高的生產力與靈活性。為滿足此發展需求，下一代機器人械臂需具備在人類引導下持續學習與優化的能力，才
能實現高效且自然的人機互動。」

研究構建了一種嶄新人機協作架構，可因應應用場境打造不同的智能機器人製造系統，輔以頭戴式裝置後更能夠提供實時數據擷取，為操作人員提供即時、直觀的引導。

為進一步推動人機協作系統的進步，鄭教授將帶領研究團隊深入探索多個關鍵技術，包括具自我組態能力的人機網絡、技能轉移機制，以及自主多智能體的任務執行方式，建構「深度人本」的智能製造系統，並拓展至更多重要領域，令社會邁向一個由科技賦能、具同理心與人性導向的智能新世代。

理大黃鐵城智能機器人學青年學者、工業及系統工程學系副教授鄭湃教授（前排中）帶領科研團隊開發的「互相認知人機協作製造系統」，能實時感知複雜環境、準確解讀操作人員意圖，並自主作出決策。項目亦 瑞典皇家理工學院可持續製造系講座教授及國家卓越生產研究中心主任王力翬教授（前排右）合作。

鄭湃教授一直致力研究「人機共生」協作製造系統，並獲選 2024 年度國家自然科學基金的「優秀青年科學基金項目」。鄭教授帶領 RAIDS 科研團隊進行以上研究項目，詳情：https://www.raids.group/