AST-2：单层和双层的二维声波柔性触觉皮肤
内容提要
本文综述多种视触觉传感器研究：结合视觉与触觉统一处理，用于物体识别与属性推断；半弹性纺织品实现触摸定位；EchoVest助盲聋感知环境；QS-TS、ReSkin提升触觉操作与耐用性；GelSight改进几何精度，并用于硬度测量与模仿学习。
延伸解读
视触觉融合的技术路径
文章综述的多个研究展示了视觉与触觉融合的不同技术路径。例如，有研究采用统一的硬件和计算体系结构处理视觉和触觉信息，用于物体识别和属性推断；另有研究通过多模态VAE融合视觉和触觉反馈，预测动态场景中物体的运动。这些方法表明，视触觉融合正从简单的数据叠加向深度集成发展，为机器人感知提供了更丰富的输入。
柔性触觉传感器的多样化设计
文章提及了多种柔性触觉传感器设计，如基于半弹性纺织品的触摸定位、利用ArUco标记的QS-TS、基于磁感应的ReSkin以及改进的GelSight传感器。这些设计在材料、传感原理和应用场景上各有侧重，例如纺织品适合可穿戴，QS-TS强调实时变形估计，ReSkin注重低成本耐用。这种多样性反映了该领域针对不同需求的技术探索。
触觉感知在辅助技术与操作任务中的价值
文章中的EchoVest利用TENS为盲聋人提供环境感知，展示了触觉反馈在辅助技术中的潜力。同时，在机器人操作中，触觉感知被用于精细物体伺服、滑移检测和硬度测量等任务。这些应用表明，触觉感知不仅能增强机器人的操作能力，还能拓展到人类辅助领域，具有广泛的社会和实用价值。
模仿学习与触觉感知的结合
文章提到一项研究将视触觉感知与模仿学习结合，用于接触丰富的操作任务。通过光学触觉传感器收集触觉力量数据，并利用可视/触觉模式切换简化应用，实验强调了触觉感知在模仿学习中的重要性。这提示未来机器人学习系统可能更依赖多模态触觉反馈来提升复杂任务的表现。
Q&A
AST-2 是什么类型的传感器？
AST-2 是一种基于视觉的传感器，结合高分辨率触觉发射，以统一的硬件和计算体系结构进行处理，用于多模式物体识别和计量。
AST-2 传感器在物体识别方面有什么效果？
AST-2 在多模式物体识别和计量方面表现出良好效果，数据验证了其能力可以从深度学习视觉和触觉结合的角度对家庭物品进行分类，识别细节纹理并推断其物理属性。
半弹性纺织品触摸感测方法的性能如何？
使用半弹性纺织品表面的新方法，通过纺织品边界上的传感器进行触摸感测，结合多种机器学习模型，使用视觉标记预测单一触摸点的平均均方误差仅为 1.36 毫米，能准确分类 3 个深度的触摸。
EchoVest 是什么？它有什么功能？
EchoVest 是一种辅助设备，通过经皮电神经刺激 (TENS) 基于声源的振动传输到用户身体上，为盲人/聋人提供直观的环境感知，实现声音定位、声音分类、降噪和深度感知等多种功能。
QS-TS 传感器的工作原理和性能如何？
QS-TS 是一种新型量化表面触觉传感器，利用 ArUco 标记实时估计凝胶层的变形，能够安全和自主地使用机器人操纵器进行触觉操作和伺服精细物体，估计凝胶层变形的相对误差小于 5%。
ReSkin 传感器有什么特点？
ReSkin 是一种利用机器学习和磁感应技术的触觉软传感器，可提供一种低成本、多样化和紧凑的长期使用解决方案。
GelSight 传感器的新设计有哪些改进？
GelSight 传感器的新设计包括使用 Lambertian 薄膜和新的照明系统，可有效提高其几何精度和稳定性，并成功应用于机器人感知和控制中，包括表面法向量计算、高度重建和滑移检测等任务。
视触觉感知与模仿学习结合在操作任务中有什么作用？
研究了视触觉感知与模仿学习相结合在接触丰富的操作任务中的作用，利用光学触觉传感器和创新算法收集触觉力量数据，并通过可视/触觉模式切换简化传感器的应用，实验结果强调触觉感知在模仿学习中的重要性。
基于 GelSight 的硬度测量方法精度如何？
基于 GelSight 触觉传感器和神经网络的硬度测量方法，通过对接触几何形态的高分辨率触觉图像的分析，可以在机器手动或自主接触并不均匀且未知的条件下，精确测量多种物体硬度（Shore 00 硬度范围在 8 至 87 之间）并获取精准的测量结果。
