TactiVerse：基于单点数据的软体机器人多点触觉感知通用化

在软体机器人中，对高度顺应软质材料变形的实时预测仍是一个重大挑战。虽然基于视觉的软体触觉传感器可以跟踪内部标记的位移，但基于学习的模型用于3D接触估计高度依赖其训练数据集，本质上限制了其对复杂场景如多点感知的泛化能力。为解决这一限制，我们引入 TactiVerse，一个基于 U-Net 的框架，将接触几何估计问题形式化为空间热力图预测任务。即使仅在有限的单点压痕数据集上训练，我们的架构也能够实现高度准确的单点感知，平均绝对误差为0.0589 mm，优于传统基于回归的 CNN 基线的 0.0612 mm。此外，我们演示了通过增加来自多点接触数据的训练数据集，显著增强了传感器的多点感知能力，显著改善了两点区分的总体平均 MAE，从 1.214 mm 降至 0.383 mm。通过成功地从基本交互中外推复杂的接触几何，这种方法 unlocks 高级的多点和大范围形状感知，显著简化了基于标记的软体传感器的开发，为实际应用中的触觉感知提供了高度可扩展的解决方案。