仪器仪表学报

作者：陈大鹏，丁益，娄隽铖，刘佳，宋爱国

单位：陈大鹏,1.南京信息工程大学自动化学院南京210044； 2.江苏省智能气象探测机器人工程研究中心南京210044； 3.江苏省大气环境与装备技术协同创新中心南京210044,dpchen@nuist.edu.cn,丁益,1.南京信息工程大学自动化学院南京210044； 2.江苏省智能气象探测机器人工程研究中心南京210044,,娄隽铖,1.南京信息工程大学自动化学院南京210044； 2.江苏省智能气象探测机器人工程研究中心南京210044,,刘佳,1.南京信息工程大学自动化学院南京210044； 2.江苏省智能气象探测机器人工程研究中心南京210044； 3.江苏省大气环境与装备技术协同创新中心南京210044,liujia@nuist.edu.cn,宋爱国,3.江苏省大气环境与装备技术协同创新中心南京210044； 4.东南大学仪器科学与工程学院南京210096,

关键词：触觉纹理建模;摩擦再现;动作信息;深度学习;力触觉反馈

基金：国家自然科学基金项目（62473200）、江苏省青年科技人才托举工程项目（JSTJ-2024-195）、江苏省研究生科研与实践创新计划项目（SJCX24_0467）资助

作为纹理的重要触觉感知维度，摩擦特征对于虚拟纹理的触觉真实感有显著影响。已有的研究已经利用传统的物理摩擦模型对表面摩擦进行建模，但这类方法常伴随较高的计算复杂度和参数设定的繁琐性。为了避免复杂的纹理建模过程，并实时预测与虚拟纹理交互时需要向用户反馈的滑动摩擦力，本研究以融合注意力机制的编码器-解码器为主体，建立了一个端到端的纹理摩擦预测模型（TFPM）。该模型以前一段时间摩擦力数据与用户动作信息作为输入，能够高精度地生成实时摩擦力信号，并在应对常见纹理时展现出较强的泛化效果。继而开发了一种具备实时采集操作信息（按压力与滑动速度）功能的触觉设备，通过与Touch设备进行组合来采集与70个真实纹理交互时的数据，并与SENS3数据库一同用于对模型进行训练。为进一步验证模型的泛化能力，针对测试集中的纹理样本进行了性能评估实验。结果表明，模型能够高质量地渲染虚拟纹理的摩擦属性（均方根误差为0.0257），并能有效地对数据库之外的纹理进行触觉建模。最后，通过心理物理实验确定了各类虚拟纹理摩擦信号的最佳增益参数，并据此开展了3项用户体验实验。实验结果表明，提出的方法获得了当前最高的感知平均相似度评分（6?25），能够为用户带来更加真实的虚拟纹理交互体验。

来源：2025年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第5期