本文介绍了使用基于物理渲染技术的全面一般的光学触觉模拟系统，实现了高质量的图像相似度度量，其开源代码和实验数据均可在此 https URL 获得。

Dec, 2020

本研究提出了一种基于 DIGIT 触觉传感器的视触对象重建框架 VTacO，并将其扩展到手 - 物体重建的 VTacOH，并通过 VT-Sim 模拟环境生成了大规模的训练数据集进行评估，展示了其在刚性和不可变形物体重建上具有优异的表现。

Mar, 2023

本文研究了在视觉感知缺失，对象形状未知且对象可以自由运动的场景下的物体检索问题，提出了一种使用触觉反馈进行定位、识别和抓取新对象的系统。

Mar, 2023

介绍了 OmniTact，一种多方向高分辨率触觉传感器，可用于机器人操作，基于多个微型相机和基于凝胶的皮肤来检测物体形变。使用计算机视觉和深度神经网络处理传感器相机的图像完成了触觉控制和状态估计任务，并表明 OmniTact 可以可靠地插入电气连接器和高精度推测接触曲率角度。

Mar, 2020

通过温度、力量和接触点位置对 BioTac 进行模拟，训练了不包括温度读数的三个替代模型（XGBoost 回归器、神经网络和 Transformer 编码器），并研究了输入向量的窗口大小，实验结果表明 XGBoost 回归器和 Transformer 在这一任务中优于传统的前馈神经网络。

Apr, 2024

DIGIT 是一种便宜、紧凑且高分辨率的触觉传感器，可用于手中操纵。该研究使用深度神经网络模型训练控制器，通过 DIGIT 感应器在多指的机器手中操纵玻璃弹珠。

May, 2020

本文提出了一种基于仿生视觉的触觉传感器 GelSight 的仿真模型 Taxim，通过实现多项式查询表和线弹性变形原理来模拟其光学响应和表面标记的运动。实验结果表明，Taxim 的像素误差最小，可在 CPU 计算下在线运行。

Sep, 2021

通过使用触觉传感器而无需依赖视觉信息，我们介绍了一个多指机器人系统，用于搜索和操纵随机位置的目标物体，并在模拟环境中训练和转移政策，证明了使用触觉传感器进行物体搜索和操纵任务的可行性，以实现赋予机器人类似人类触觉能力的目标。

Jan, 2024

本文中，我们提出了一种深度触觉模型预测的方法，结合高分辨率触觉传感器，通过无监督自主交互生成模型以从原始触觉传感器输入进行学习，并将学习到的模型用于将物体重新定位到用户指定的配置，从而实现非握持操作的触觉控制。

Mar, 2019

在未知干扰环境中，通过提出触觉显著性预测方法，可以提高机器人对触觉的鲁棒控制，并精确预测真实触觉图像中的目标特征。

Jul, 2023