La predicción del confort y la adaptación de entornos y artículos a las necesidades y preferencias del usuario son dos de los requisitos imprescindibles en el diseño y la evaluación de las características de cada aplicación y producto. En este proyecto se han desarrollado modelos que integran el registro de variables objetivas y la percepción del usuario, con el fin de lograr predicciones de confort que permitan su evaluación de forma más económica y eficaz, basándose en tecnologías como la inteligencia artificial (IA) que integra los algoritmos de autoaprendizaje (“Machine Learning”, “Deep Learning”), la visión artificial y plataformas que soportan el manejo y tratamiento de un importante volumen de datos obtenidos en colaboración con empresas de la comunidad valenciana. La investigación ha posibilitado la integración de diferentes tecnologías punteras como el aprendizaje automático, la reconstrucción 3D basada en potentes bases de datos antropométricas, tratamiento de imágenes. etc. A partir de los datos recopilados en diferentes escenarios, en condiciones extremas controladas, y de una variedad de productos de indumentaria y calzado facilitados por las empresas colaboradoras, se han validado y optimizado los Modelos de Confort Térmico y Postural. Se realizaron pruebas a más de 100 individuos en 4 posturas y en varias condiciones térmicas estables (-5ºC a +40ºC). Los usuarios probaron un asiento de coche calefactado, diferentes indumentarias térmicas, varios tipos de calzado y plantillas. Además, se generaron mapas térmicos tridimensionales antes y después de cada ensayo con gran información térmica tanto de los usuarios como de los productos. Se obtuvo una colección de datos con unas 4600 series temporales de datos objetivos y subjetivos y más de 3000 termografías durante la experimentación. Estos conjuntos de datos alimentaron el modelo relacional y la reconstrucción térmica 3D, respectivamente, teniendo en cuenta las diferencias morfológicas y las características térmicas de cada sujeto. Una parte de los ensayos internos se usó para la generación de los algoritmos y modelos desarrollados, mientras que la otra parte, principalmente llevada en colaboración con empresas participantes, sirvió para la validación y mejora de dichos modelos.

Como resultado del proyecto se han identificado para unos mismos arquetipos de usuario (peso, altura y volumen similar, edad y genero), tres “Termotipos” con respuestas térmicas muy distintas, siendo capaz de predecir si los usuarios son “frioleros” o “calurosos” con un acierto del 81%. Esta relación entre la percepción del confort y las expectativas del usuario, permite ayudar al desarrollo de productos que generen un confort más adecuado para cada perfil. Además, la investigación ha desvelado diferencias, medibles y cuantificables, en la respuesta térmica del cuerpo en función de la edad y el género. Se ha buscado predecir la reacción, en cuanto a confort postural y térmico de los usuarios de diferentes productos, en concreto, con camisetas térmicas, calzado, y el interior de un vehículo. A su vez, se ha conseguido aportar nuevas funcionalidades a la colección termográfica obtenida a nivel de deporte, salud o gestión energética de edificios. Cabe destacar la posibilidad de distinguir si una persona sufre una patología crónica, cuenta con lesiones activas, y de explorar aplicaciones médicas relacionadas con procesos inflamatorios o problemas de circulación. La técnica puesta a punto en este proyecto mediante el uso de modelos térmicos de cuerpo completo ha abierto la posibilidad de personalizar el confort. A partir de termografías 2D y bases de datos antropométricos, se ha conseguido obtener una reconstrucción volumétrica 3D del cuerpo humano, que abre un abanico de oportunidades para adecuar los productos al usuario. Además, se plantea la nueva oportunidad en un futuro de incluir una capa térmica al sistema 4D del IBV, MOVE4D (https://ibv.org/move4d ), lo que permitiría analizar el cuerpo humano en movimiento con su respuesta térmica dinámica en 3D.