优化 BioTac 模拟的真实触觉知觉

提出了一种深度触觉模型预测的方法，结合高分辨率触觉传感器，通过无监督自主交互生成模型进行学习。

触觉显著性预测方法可以提高机器人对触觉的鲁棒控制，并精确预测真实触觉图像中的目标特征。

TACTO模拟器可模拟不同类型的视觉型触觉传感器，在控制、感知和Sim2Real等任务中展示有效性。

增加触觉反馈有助于提高场景预测准确性和增强机器人在物理相互作用过程中的感知能力。

基于事件触觉感测器和多模式脉冲神经网络的事件驱动视觉触觉感知系统在机器人任务中表现良好。

提出了基于仿生视觉的触觉传感器GelSight的仿真模型Taxim，实验结果显示其像素误差最小。

基于DIGIT触觉传感器的视触对象重建框架VTacO在刚性和不可变形物体重建上表现优异。

使用基于视觉的触觉传感器进行交互式感知的方法，通过深度神经网络和粒子滤波器优化感知任务。

提出基于粒子团块的弹性交互模型和感知网络，实现对仿真触觉的感知，展现出卓越的性能。