- 尽管**触觉信息(haptic information)** 在机器人抓取和灵巧性方面取得显著进步，但**情感社交触觉(affective social touch)** （如握手、安抚抚摸）在**人机交互(Human-Robot-Interaction, HRI)** 中仍是一大挑战
- 现有方法将情感触觉视为单纯的**运动控制(motoric movement)**，忽略了其作为**感知任务(perceptual task)** 的分布式和闭环特性，导致“**触觉恐怖谷(haptic uncanny valley)** ”现象
- 提出一种新颖的**多深度学习架构(multi-deep-learning approach)**，将情感触觉分解为多个专门的**子任务模型(subtask models)**
- 采用**点对点状态共享框架(peer-to-peer, state-sharing framework)**，将情感触觉建模为**分布式闭环感知任务(distributed closed-loop perceptual task)**
- 基于**Sim-to-Real管道(Sim-to-Real pipeline)**，支持可扩展和累积式开发，允许不同领域研究者独立贡献
- **神经生物学启发(neurobiology-inspired)**：将情感触觉分解为专门的子任务，而非统一的运动模型，打破了传统的**单一任务范式(monolithic paradigm)**
- **分布式闭环感知(closed-loop perceptual)框架**：通过状态共享实现点对点协作，避免集中式控制的瓶颈，有效缓解“触觉恐怖谷”
- **跨学科协同开发**：允许触觉、AI和机器人研究者并行工作，并通过Sim-to-Real管道整合为统一的表达系统，促进**累积式进展(cumulative development)**
- 为**社交机器人(social robotics)** 的情感触觉交互提供了一种全新的**分布式范式(distributed paradigm)**，克服了现有方法的感知-运动割裂
- 提出了**可扩展的架构(scalable architecture)**，支持多领域研究者独立开发模块后集成，推动**跨学科合作(interdisciplinary collaboration)**
- 明确了克服“触觉恐怖谷”的技术路径，为未来**统一表达系统(unified expressive system)** 的设计奠定理论基础