← 返回论文列表

SPLIT：基于图像的触觉传感器中通过潜在运算分离物理接触
SPLIT: Separating Physical-Contact via Latent Arithmetic in Image-Based Tactile Sensors

作者: Wadhah Zai El Amri, Nicolás Navarro-Guerrero
arXiv: 2604.24449v1
分类: cs.RO, cs.AI, cs.LG
📝 论文摘要
训练用于机器人触觉感知的机器学习模型需要大量数据，然而由于物理复杂性和变异性，获取真实的交互数据仍然是一项挑战。因此，模拟触觉传感器是加速这一进程的关键步骤。本文提出SPLIT，一种基于图像的触觉传感器模拟新方法，主要聚焦于DIGIT传感器。该方法的核心是一种潜空间算术策略，能够明确地将接触几何与传感器特定的光学特性解耦。与需要为每个新单元重新校准的方法不同，这种解耦使SPLIT能够适应不同的DIGIT背景，甚至无需完整模型重训练即可将数据迁移至GelSight R1.5等其他传感器。除了这种适应性，我们的方法还实现了比现有替代方案更快的推理速度。此外，我们提供了一种可标定的有限元法（FEM）软体网格模拟，具有可变分辨率，可在速度与保真度之间进行可调权衡。同时，我们的算法支持双向模拟，既能从变形网格生成逼真图像，也能从触觉图像重建网格。这种多功能性使SPLIT成为加速机器人触觉感知研究进程的重要工具。

📊 核心分析

🎯 研究动机
- 训练机器人触觉传感的机器学习模型需要大量数据，但获取真实的物理交互数据因复杂性和可变性而困难重重 - 模拟触觉传感器是加速该领域研究的关键步骤，但现有方法对每个传感器单元需重新校准，缺乏泛化能力 - 研究背景：基于图像的触觉传感器（如DIGIT）在机器人操作中日益重要，需要高效、可迁移的仿真方案
🔧 核心方法
- 提出**SPLIT**方法，核心是**潜在空间算术(latent space arithmetic)**策略，显式解耦**接触几何(contact geometry)**与**传感器光学特性(sensor-specific optical properties)** - 提供**校准有限元法(calibrated finite element method, FEM)**软体网格模拟，支持可变分辨率，可在速度与保真度间折中 - 支持**双向仿真(bidirectional simulation)**：既可从变形网格生成逼真图像，也可从触觉图像重建网格
💡 核心创新
- **解耦性(disentanglement)**：首次通过潜在空间算术将接触几何与光学特性分离，无需针对每个传感器单元重新训练即可适应不同的DIGIT背景甚至其他型号（如GelSight R1.5） - **推理速度提升**：相比现有替代方法，实现更快的推理速度 - **双向功能**：支持图像生成与网格重建的双向流程，增强了模拟器的实用性和灵活性
🏆 总体贡献
- 为基于图像的触觉传感器提供了一种高适应性、无需重训练的仿真范式 - 通过**校准FEM(finite element method)**模拟实现速度与质量的灵活权衡，同时提升推理效率 - 开源双向模拟能力，可加速机器人触觉传感研究中数据生成、模型训练与物理理解的整体进展