[論文レビュー] Discovering the mechanics of ultra-low density elastomeric foams in elite-level racing shoes

Jeremy A. McCulloch, Scott L. Delp+1 more|arXiv (Cornell University)|Feb 13, 2026

Prosthetics and Rehabilitation Robotics被引用数 0

ひとこと要約

要約: 本論文は、エリートレースシューズの2つの超低密度エラストマー発泡体の広範な機械試験と構成神経回路網を組み合わせ、張力・圧縮・せん断挙動を捉え、歩行レベルのシミュレーションを可能にする、コンパクトで解釈可能なモデルを発見する。

ABSTRACT

Ultra-low-density elastomeric foams enable lightweight systems that combine high compliance with efficient energy return. In high-performance racing shoes, these foams are critical for low weight, high cushioning, and efficient energy return; yet, their constitutive behavior remains difficult to model and poorly understood. Here we integrate mechanical testing and machine learning to discover the mechanics of two ultra-low density elastomeric polymeric foams used in elite-level racing shoes. Across uniaxial tension, confined and unconfined compression, and simple shear, both foams exhibit pronounced tension-compression asymmetry, negligible lateral strains consistent with an effective Poisson's ratio close to zero, and low hysteresis indicative of an efficient energy return. Both foams provide a similar compressive stiffness (268kPa vs. 299kPa), while one foam exhibits nearly double the shear stiffness (219kPa vs. 117kPa), implying a substantially greater lateral stability at a comparable vertical energy return (83% vs. 89%). By integrating these data into constitutive neural networks, paired with sparse regression, we discover compact, interpretable single-invariant models, supplemented by mixed-invariant or principal-stretch based terms, that capture the unique signature of the foams with R2 values close to one. From a human performance perspective, these models enable finite-element and gait-level simulations of high-performance racing shoes to quantify running economy, performance enhancements, and injury risks on an individual athlete level. More broadly, this work establishes a scalable and interpretable approach for constitutive modeling of highly compressible, ultra-light elastomeric foams with applications to wearable technologies, soft robotics, and energy-efficient mobility systems.

研究の動機と目的

• エリートレースシューズで使用される2つの超低密度エラストマー発泡体の、複数の荷重モードにわたる機械的応答を特徴づける。
• データ駆動かつ物理情報を組み込んだ構成モデルを開発し、正確で解釈可能、かつ荷重シナリオ間で一般化可能であることを確保する。
• 張力・圧縮・せん断における剛性、エネルギーリターンの特性と、それらが靴の性能と耐久性に与える影響を特定する。
• 有限要素法および歩行レベルのシミュレーションを可能にし、個々のアスリートレベルでのランニングエコノミー、性能向上、怪我リスクを定量化する。

提案手法

• 各発泡体を5サンプルずつ、単軸張力、非拘束・拘束圧縮、単純せん断で実験的に試験する。
• 各荷重モードと発泡体ごとに平均応力-伸び曲線を処理して取得する。
• 不変量および主伸びベースの入力を用いたコンスティチューティブ神経ネットワークを開発し、応力を導出する自由エネルギー関数を学習する。
• 自由エネルギーの設計に単一不変量、混合不変量、主伸び項を組み込み、張力–圧縮非対称性を捉える。
• 参照配置での応力ゼロ、J→0または∞時の適切な極限など、物理的制約をネットワーク設計と損失関数で強制する。
• モデルの希薄性と解釈性を促進するため、加重最小二乗損失にL0.5正則化を組み合わせて訓練する。

Figure 1: Sample preparation. We prepare samples from the ASICS Metaspeed Sky and Edge racing shoes by removing the rubber outsole and separating the carbon-fiber plate from the underlying foam. We section the extracted foam into slabs, and cut rectangular samples for uniaxial tension testing and cy

実験結果

リサーチクエスチョン

• RQ1 研究対象の2つの超低密度発泡体の張力・圧縮・せん断の機械的応答はどうなるか？
• RQ2 不変量および主伸び入力を用いた構成神経ネットワークは、荷重モード全体で発泡体の挙動を正確に捉え、コンパクトで解釈可能なモデルを発見できるか？
• RQ3 張力・圧縮・せん断における剛性とエネルギーリターンは発泡体間でどのように比較され、それがミッドソールの安定性とエネルギー効率に何を意味するか？
• RQ4 発見されたモデルは有限要素法および歩行レベルのシミュレーションを支援し、個々のアスリートのランニングエコノミーと怪我リスクを定量化できるか？

主な発見

• 両方の発泡体は張力–圧縮非対称性とほぼゼロの有効ポアソン比（横方向ひずみが無視できる）を示す。
• 圧縮剛性は発泡体間で類似（268 ± 16 kPa vs. 299 ± 29 kPa）。
• 一方の発泡体は張力剛性が高く（884 ± 69 kPa vs. 623 ± 96 kPa）、せん断剛性はほぼほぼ倍（219 ± 20 kPa vs. 117 ± 24 kPa）。
• エネルギーリターンは両発泡体で高く、対応荷重モードでそれぞれ83.3 ± 1.5%と88.9 ± 1.8%を示す。
• 構成神経ネットワークは、Invariantおよび主伸び項から構築されたコンパクトで解釈可能なモデルを用いて、すべての荷重モードで高忠実度の適合を達成（R2はほぼ1に近い）。
• このアプローチは、ランニング性能、怪我リスク、およびウェアラブル発泡体の耐久設計洞察のための物理ベースのシミュレーションを可能にする。

Figure 2: Mechanical testing. We test five samples of each foam in uniaxial tension, left, unconfined compression, middle, and confined compression, right.