UniTac-NV：用于非视觉型触觉传感器的统一触觉表示

触觉感知的通用算法仍未得到充分探索，主要due to 传感器模态的多样性。最近，许多针对光学（视觉型）触觉传感器的跨传感器迁移方法得以探索，但针对非光学触觉传感器的工作仍寥寥。为填补这一空白，我们提出一种 encoder-decoder 架构，用于统一非视觉型传感器的触觉数据。通过利用传感器特定的 encoder，该框架创建了一个与传感器无关的潜在空间，使跨传感器数据迁移可实现且误差低，直接可用于下游应用。我们利用该网络统一来自两种商业触觉传感器的数据：Xela uSkin uSPa 46 和 Contactile PapillArray。这两种传感器均安装在 UR5e 机器人臂上，执行受力控制的按压序列，以不同物体形状（圆柱体、正方体和六棱柱体）和两种材料（刚性 PLA 和柔性 TPU）进行作用。还包括另一个更复杂的不可见物体，以探讨模型的泛化能力。我们展示了通过联合自编码器训练，来自不同传感器的匹配接触数据可以隐式学习潜在空间中的对齐。我们进一步通过接触几何估计展示了该方法的实际用途，下游模型在一种传感器的潜在表示上训练的模型可直接应用于另一种传感器，无需重新训练。