Teletextiles：织物触觉感受的端到端远程传输

文献标题

Telextiles: End-to-end Remote Transmission of Fabric Tactile Sensation

文献信息

• 主题领域: 人机交互（HCI）、触觉技术、织物触觉感知
• 关键词: 触觉感知, 纹理识别, 自监督学习, 触觉反馈, 被动触觉显示, 机器学习, 触觉显示, 虚拟现实

研究背景与问题

• 发现的问题或挑战:
  1. 在在线购物中，用户无法触摸织物，从而难以判断衣物的舒适性和质感。
  2. 现有的触觉传感器需集成在稳定的设备中，且识别能力可能因人为使用方式的不稳定性而受限。
  3. 当前触觉驱动设备只能呈现有限数量的模式，难以处理未知织物的触觉传输。
• 重要性: 将织物的触觉感知传输到远程环境可提高在线购物体验，同时促进时尚和纺织行业的远程协作。
• 研究动机与相关工作:
  • 提出了一些织物纹理识别方法，如摩擦传感器、仿生触觉传感器、光学触觉传感器等，但这些主要解决已知织物的分类问题，难以处理未知织物的数据。
  • 现有的触觉反馈设备，如转轮式或超声波驱动器，虽然能够显示有限的物理纹理，但缺乏动态选择未知模式的逻辑。

解决方案

• 方法或解决方案: Telextiles是一个远程传递织物触觉感知的系统，它通过自监督对比学习构建了反映织物触觉感知接近性的潜在空间，并结合触觉传感设备与旋转类型的驱动设备。
• 创新之处:
  1. 使用自监督学习对比损失训练编码器，学习织物触觉感知的潜在空间。
  2. 无需用户依赖的数据采集装置（带有稳定压力和角度的定制夹具）。
  3. 旋转式驱动器能够动态展示最接近的物理织物样本。
• 实施步骤与关键技术:
  1. 训练阶段: 制造商采集大量织物样本的触觉数据，训练编码器以创建潜在空间。
  2. 传递阶段: 用户A使用触觉传感器获取织物数据并上传至服务器，服务器提取潜在特征并找到最接近的已知样本，将其ID或特征传递给用户B。
  3. 系统使用自监督对比学习（MoCo）训练，确保潜在空间中的织物相似性得以体现。
  4. 触觉驱动器通过旋转来呈现最匹配的物理织物样本。

研究成果

• 具体成果:
  1. 构建了基于自监督学习的潜在表示，可反映织物触觉特性间的接近性。
  2. 设计了一款附加定制夹具的DIGIT光学触觉传感设备，使得采集触觉信息更加稳定和准确。
  3. 开发了旋转式驱动器，可选择与输入织物触觉特性最接近的物理织物样本。
• 与现有解决方案的优势:
  • 对未知织物触觉数据的处理能力显著增强。
  • 系统可动态传输和呈现无限制的织物触觉特性，而非仅限于已知模式。
  • 数据采集过程具有更高的稳定性和一致性。
• 实验或评估结果:
  1. 基于k近邻聚类评估，潜在空间对织物分类的准确率达到80.44%。
  2. 使用定制夹具提高了触觉采集稳定性，使准确率由82.84%提升至99.69%。
  3. 用户测试显示模型的选择与人的选择结果存在一定偏差，可能未充分捕捉滑动感与摩擦等触觉信息。
• 局限性与未来方向:
  • 局限性:
    1. 用户测试中的模型选择与人类判断未完全一致。
    2. DIGIT传感器未完全捕捉摩擦感、热感等触觉特性。
    3. 旋转驱动器仅能展示有限样本数量的触觉信息。
  • 未来方向:
    1. 进一步研究捕捉织物摩擦感和动态滑动的传感方法。
    2. 增强触觉驱动设备，例如支持二/三维材料空间的展示。
    3. 集成机器人平台以自动化采集织物触觉数据。
    4. 缩小驱动设备尺寸，实现更便携的远程触觉交互，例如手表或指尖设备。

参考文献

• 包含丰富的相关工作和技术背景，例如织物认知工具、触觉传感设备，以及与自监督学习相关的经典算法（如MoCo、SimCLR）。