STEMNIST：脉冲触觉扩展 MNIST 神经形态数据集
神经与进化计算
2026-01-06 v1
摘要
触觉感知是机器人操控、假肢和辅助技术的关键，但与视觉数据集相比，神经形态触觉数据集仍有限。我们引入 STEMNIST，一个大规模神经形态触觉数据集，将 ST-MNIST 从 10 个数字扩展到 35 个字母数字类（大写字母 A--Z 和数字 1--9），为事件驱动的触觉识别提供具有挑战性的基准。数据集包含 7,700 个样本，来自 34 名参与者，使用自定义 触觉传感器阵列以 120 Hz 的速率工作，通过自适应时间微分编码为 1,005,592 个脉冲事件。遵循 EMNIST 的视觉字符识别协议，STEMNIST 解决了从简化的数字分类到需要字母数字区分的真实世界触觉交互场景之间的关键差距。使用常规卷积神经网络（测试准确率 90.91%）和脉冲神经网络（准确率 89.16%）的基准实验建立了性能基准。该数据集的事件驱动格式、非限制性的空间变异性和丰富的时序结构使其适用于测试神经形态硬件和生物仿学习算法。STEMNIST 实现了触觉识别系统的可重复评估，为推动神经形态感知在机器人、生物医学工程和人机界面中的能源效率方面提供了基础。该数据集、文档和代码已公开，以加速神经形态触觉计算的研究。
引用
@article{arxiv.2601.01658,
title = {STEMNIST: Spiking Tactile Extended MNIST Neuromorphic Dataset},
author = {Anubhab Tripathi and Li Gaishan and Zhengnan Fu and Chiara Bartolozzi and Bert E. Shi and Arindam Basu},
journal= {arXiv preprint arXiv:2601.01658},
year = {2026}
}