- 解决**事件触觉(event-based tactile)** 传感器在接触丰富机器人交互中**接触角估计(contact-angle estimation)** 的实时性问题
- 现有方法可能未充分利用事件流(event stream)的时空特性，需要探索不同**事件派生轮廓(event-derived contour)** 表示的性能差异
- 研究背景：基于事件的触觉传感(event-based tactile sensing)具有低延迟信号采集优势，适合高频机器人操作任务
- 使用**事件触觉传感器NeuroTac** 采集事件流，提取三种**空间轮廓表示(spatial contour representations)**：
- **动态表示(dynamic representation)**：捕获近期事件活动(recent event activity)
- **静态表示(static representation)**：恢复更持久的接触状态(persistent contact state)
- **组合表示(combined representation)**：融合动态与静态信息
- 在连续传感器滚动(continuous sensor rolling)和随机插入运动中断(stop-phase)两种场景下评估，使用**平均绝对误差(MAE)** 作为指标
- 所有表示管道的**P99处理延迟(P99 processing latency)** 低于10 ms，满足高频估计需求
- **系统性对比**：首次以统一框架比较动态、静态及组合三种事件表示在触觉接触角估计中的表现，揭示静态表示的优越性
- **低延迟高精度**：静态表示在连续滚动时达到**0.160°均MAE**，停止相位达到**0.251°均MAE**，且延迟<10ms，显著优于传统触觉处理方法
- **鲁棒性分析**：静态表示在**速度变化(speed variations)** 和**压痕深度变化(indentation depth variations)** 下性能波动更小，具有更好的泛化能力
- 为**事件触觉感知(event-based tactile sensing)** 领域提供了一种高效的**接触角估计(contact-angle estimation)** 方案，支持机器人高频操作控制
- 证明了**静态表示(static representation)** 在特定场景下优于动态和组合表示，为后续事件编码器的设计提供指导
- 验证了**事件基触觉传感器(NeuroTac)** 在实时角度估计中的潜力，推动低延迟触觉反馈在灵巧操作中的应用