Tactus：面向自然灵巧操作数据采集的触觉与位姿感知手套

内容摘要

训练机器人做灵巧操作，需要能同时给出接触力和手部位姿的真人演示数据。纯第一视角相机最不打扰自然动作，但在手物遮挡最重时正好拍不到手部位姿；外骨骼会限制手指动作；手套能同时给力与位姿，却一直缺标定好的指尖测力和抗遮挡跟踪。作者推出 Tactus——把传感器织进面料的左右手手套：47 处电容式测力点从指尖铺到掌心，16 个六轴 IMU（惯性测量单元，加速度计加陀螺仪，用于测关节角），指尖叠层厚 1.5 mm。

位姿用视觉与 IMU 融合：视觉给绝对位置和无漂移的全局基准，遮挡时靠 IMU 更新关节角。标定分两级：工厂级用气动腔体加成形膜，23 分钟一次标完 47 个测力点；每位被试佩戴当天再补一次在线标定。作者另提出两套协议：Protocol-Tactile（触觉法向力回归）与 Protocol-Pose（手部位姿估计），把 Tactus 与 PPS、JQ 两款商用触觉手套放在同一条件下比较，自称是首个可复现的定量跨平台比较。

在作者协议下，Tactus 最小可检测力 0.59 N（PPS 1.58 N、JQ 0.94 N），跨被试一致性 0.87；在线标定把全手套力回归的中位 RMSE 从 2.50–5.22 N 降到 1.46–1.82 N。位姿以动捕为真值，离线全序列优化后腕部对齐指尖误差 11.0 mm，纯视觉基线 17.1 mm。干涉度上，任务完成时间为裸手的 1.06 倍、成功率 100%、NASA TLX 主观负荷 2.97，同测的外骨骼为 5.23。滑移检测在单次划分上 F1=1.00。

点评

对做机器人本体软件与数据管线的团队，最可复用的是那两套评测协议和标定流程：可用来给自研或采购的手套定标、横向比同一套条件下谁更准；也可先按完成时间比与 NASA TLX 判断戴手套录演示数据是否值得，再决定是否承担每次佩戴的在线标定成本。注意工厂级标定需要气动标定台与假手这类硬件，不是纯软件流程；在线标定仍需人参与逐次校正。

所有数字均出自作者自测的 arXiv 预印本，未见独立复现；两款商用基线是作者按自定协议测得，不等于厂商声明，也不能据此对其他协议下的结果做排名。各评测协议的被试人数都很少，结论不宜外推到更大人群。滑移结果被作者自称只是可行性，只用单次划分，并明确指出法向压力分布不能唯一确定剪切。位姿最佳数值来自离线全序列优化，实时模式的绝对误差改善有限。证据取自本次提供的 arXiv HTML 全文快照，arXiv 页面滚动更新，此后的修订无法反映。

原文与定位

• 原文链接 #abstract1.1；#S1.p2.1；#S1.p3.1；#S3.SS2.p1.1；#S4.SS1.p1.1；#S4.T1.2；#S1.I1.i3.p1.1；#S5.T2.2；#S5.T3.3；#S5.T4.2；#S6.SS2.p2.1；#S6.SS2.p3.1