SpikingTac: A Miniaturized Neuromorphic Visuotactile Sensor for High-Precision Dynamic Tactile Imprint Tracking
作者: Tianyu Jiang, Chaofan Zhang, Shaolin Zhang, Shaowei Cui, Shuo Wang
分类: cs.RO
发布日期: 2026-02-27
💡 一句话要点
SpikingTac：一种用于高精度动态触觉印记追踪的小型化神经形态视觉触觉传感器
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 神经形态视觉触觉传感器 事件相机 动态触觉追踪 滞后补偿 机器人操作
📋 核心要点
- 传统事件驱动触觉传感器体积大，限制了其集成应用，尤其是在动态操作中。
- SpikingTac通过定制小型化事件相机模块和全局动态状态图，实现了高精度动态触觉追踪。
- 实验表明，SpikingTac在零点稳定性、动态任务和几何精度方面均优于传统传感器。
📝 摘要（中文）
本文提出了一种小型化、高度集成的神经形态触觉传感器SpikingTac，它配备了一个定制的独立事件相机模块，总材料成本低于150美元。我们构建了一个全局动态状态图，并结合一个无监督去噪网络，实现了1000Hz的感知速率和350Hz的追踪频率下的精确追踪。针对硅弹性体的粘弹性滞后现象，我们提出了一种具有空间增益阻尼机制的滞后感知增量更新法则。实验结果表明，该传感器具有出色的零点稳定性，即使在极端的扭转变形下，也能实现100%的返回原点成功率，平均偏差仅为0.8039像素。在动态任务中，SpikingTac将避障过冲限制在6.2毫米，比传统的基于帧的传感器性能提高了5倍。此外，该传感器实现了亚毫米级的几何精度，定位的均方根误差（RMSE）为0.0952毫米，半径测量的均方根误差为0.0452毫米。
🔬 方法详解
问题定义：现有事件驱动的触觉传感器通常体积较大，难以集成到小型机器人或可穿戴设备中，限制了其在动态操作任务中的应用。此外，硅弹性体的粘弹性滞后效应会降低触觉感知的精度。
核心思路：通过定制小型化的事件相机模块，降低传感器的整体尺寸和成本。利用全局动态状态图和无监督去噪网络，提高触觉追踪的精度和鲁棒性。针对硅弹性体的滞后效应，设计滞后感知的增量更新法则，并引入空间增益阻尼机制，以减少滞后误差。
技术框架：SpikingTac传感器由定制的事件相机模块和触觉感知层组成。事件相机模块负责捕捉触觉事件，并将数据传输到处理单元。处理单元构建全局动态状态图，并利用无监督去噪网络进行数据处理。滞后感知增量更新法则用于更新触觉状态，空间增益阻尼机制用于减少滞后误差。
关键创新：主要创新点在于定制的小型化事件相机模块，以及针对硅弹性体滞后效应提出的滞后感知增量更新法则和空间增益阻尼机制。与传统的基于帧的传感器相比，SpikingTac具有更高的感知速率和更低的延迟。
关键设计：滞后感知增量更新法则的具体形式未知，空间增益阻尼机制的参数设置未知。无监督去噪网络的具体结构和训练方法未知。全局动态状态图的构建方法和更新策略未知。
🖼️ 关键图片
📊 实验亮点
SpikingTac实现了1000Hz的感知速率和350Hz的追踪频率。在零点稳定性方面，实现了100%的返回原点成功率，平均偏差仅为0.8039像素。在动态任务中，避障过冲降低至6.2毫米，比传统传感器提高了5倍。几何精度方面，定位的均方根误差为0.0952毫米，半径测量的均方根误差为0.0452毫米。
🎯 应用场景
SpikingTac可应用于高精度机器人操作、灵巧手控制、虚拟现实触觉反馈、医疗机器人等领域。其小型化和低成本的特点使其能够集成到各种设备中，实现更自然、更精确的人机交互。未来，该传感器有望推动触觉感知技术在各个领域的广泛应用。
📄 摘要（原文）
High-speed event-driven tactile sensors are essential for achieving human-like dynamic manipulation, yet their integration is often limited by the bulkiness of standard event cameras. This paper presents SpikingTac, a miniaturized, highly integrated neuromorphic tactile sensor featuring a custom standalone event camera module, achieved with a total material cost of less than \$150. We construct a global dynamic state map coupled with an unsupervised denoising network to enable precise tracking at a 1000~Hz perception rate and 350~Hz tracking frequency. Addressing the viscoelastic hysteresis of silicone elastomers, we propose a hysteresis-aware incremental update law with a spatial gain damping mechanism. Experimental results demonstrate exceptional zero-point stability, achieving a 100\% return-to-origin success rate with a minimal mean bias of 0.8039 pixels, even under extreme torsional deformations. In dynamic tasks, SpikingTac limits the obstacle-avoidance overshoot to 6.2~mm, representing a 5-fold performance improvement over conventional frame-based sensors. Furthermore, the sensor achieves sub-millimeter geometric accuracy, with Root Mean Square Error (RMSE) of 0.0952~mm in localization and 0.0452~mm in radius measurement.