TaCo：无损和有损异构触觉数据编解码器的基准
机器人学
2026-02-11 v1 人工智能
摘要
触觉感知是具身智能的关键，提供在复杂环境中进行细粒度感知和控制的能力。然而，针对严格带宽限制下实时机器人应用的高效触觉数据压缩，仍未得到充分探索。触觉数据的内在异构性和时空复杂性进一步使这一挑战更加复杂。为填补这一差距，我们引入TaCo，第一个全面的 Tactile data Codecs 基准。TaCo 在来自各种传感器类型的五个数据集上评估 30 种压缩方法，包括即插即用压缩算法和神经编解码器。我们系统性地对 lossless 和 lossy 压缩方案在四个关键任务：无损存储、人类可视化、材料和物体分类以及灵巧机器人抓取中进行评估。我们首次开发了在触觉数据上显式训练的 data-driven 编解码器，TaCo-LL(无损)和 TaCo-L(有损)。结果表明我们的 TaCo-LL 和 TaCo-L 在性能上具有优势。这一基准为理解压缩效率与任务性能之间的关键权衡提供了基础框架，为未来在触觉感知方面的进步铺平了道路。
引用
@article{arxiv.2602.09893,
title = {TaCo: A Benchmark for Lossless and Lossy Codecs of Heterogeneous Tactile Data},
author = {Zhengxue Cheng and Yan Zhao and Keyu Wang and Hengdi Zhang and Li Song},
journal= {arXiv preprint arXiv:2602.09893},
year = {2026}
}
备注
27 pages