本文介绍一种新的基于视觉的传感器，并结合高分辨率触觉发射，以统一的硬件和计算体系结构进行处理；该传感器在多模式物体识别和计量方面表现出良好效果，并且在触觉和视觉领域上具有重要的物理含义，数据验证了其能力可以从深度学习视觉和触觉结合的角度对家庭物品进行分类，识别细节纹理并推断其物理属性。
Nov, 2020
使用半弹性纺织品表面的新方法，通过在纺织品边界上的传感器而不是感测区域上的传感器进行触摸感测，结合多种机器学习模型进行实验证明其可行性，特别是使用视觉标记预测单一触摸点的性能表现优秀，平均均方误差仅为 1.36 毫米，所开发的纺织品原型能准确分类 3 个深度的触摸，表明该方法在可穿戴技术和智能纺织品方面具有潜在应用价值，并值得进一步研究探讨。
May, 2023
我们开发了一种新的辅助设备 EchoVest，通过利用经皮电神经刺激 (TENS) 基于声源的振动传输到用户身体上，为盲人 / 聋人提供直观的环境感知，同时实现声音定位、声音分类、降噪和深度感知等多种功能，并在计算准确性和成本方面超越了基于 CNN 的机器学习模型。
Jul, 2023
本文介绍了一种新型量化表面触觉传感器（称为 QS-TS），该传感器利用 ArUco 标记实时估计凝胶层的变形，能够安全和自主地使用机器人操纵器进行触觉操作和伺服精细物体。实验结果展示了 QS-TS 在估计凝胶层变形方面出色的性能，相对误差小于 5%。
Oct, 2023
ReSkin 是一种利用机器学习和磁感应技术的触觉软传感器，可提供一种低成本、多样化和紧凑的长期使用解决方案。
Oct, 2021
我们的目标是使机器人具备与人类类似的潜在触觉信号感知能力，通过使用一种名为 Imagine2touch 的方法，可以根据表示待触摸区域的视觉补丁来预测预期的触摸信号。我们使用了一种廉价而紧凑的触摸传感器 ReSkin 来收集所需的数据集，通过对五种基本几何形状和一种工具进行随机触摸。我们在其中两种形状上对 Imagine2touch 进行训练，并在 odd 工具上进行验证。我们通过将 Imagine2touch 应用于物体识别的下游任务来展示其有效性。在这个任务中，我们通过两个实验评估了 Imagine2touch 的性能，总共包括 5 个训练分布对象。在每个对象受到十次触摸后，Imagine2touch 的物体识别准确率达到了 58%，超过了一个本体感知基线。
May, 2024
本文提出了一种感知框架，通过融合视觉和触觉反馈来预测动态场景中物体的运动，该框架利用一种新型的 STS 传感器来捕捉物体的视觉外观和触觉特性，利用多模态 VAE 将两种模态结合起来，可以推断未来物理交互的结果。
Jan, 2021
本文介绍了一种 GelSight 传感器的新设计，包括使用 Lambertian 薄膜和新的照明系统，可有效提高其几何精度和稳定性，并成功应用于机器人感知和控制中，包括表面法向量计算、高度重建和滑移检测等任务。
Aug, 2017
设计了一种高分辨率的触觉传感手指，通过重新设计光学路径结合几何设计变量权衡手指厚度、相机的景深和触觉感应区域的大小，采用更均匀的输出和更坚固的材料，结合自校准过程，从而实现在抓取任务中自持续和抗折磨性能，并通过 4 种度量指标评估其耐久性。
Mar, 2018
研究了视触觉感知与模仿学习相结合在接触丰富的操作任务中的作用，利用光学触觉传感器和创新算法收集触觉力量数据，并通过可视 / 触觉模式切换简化传感器的应用，实验结果强调触觉感知在模仿学习中的重要性。
Nov, 2023