OpenTac: An Open Ecosystem for Customizable, Scalable, and Transferable 3D Tactile Sensing
作者: Ariel Slepyan, Geeta Chandra Raju Bethala, Jiafeng Gu, Anagha Rajendra Dangle, Yinzhe Zhou, Hongyuan Fu, Jade Sim, Tuhin Basu, Xinyi Yin, Md Faizal Karim, Gregory Hager, Homanga Bharadhwaj, Anand Bhattad, Krishna Murthy Jatavallabhula, Nitish V. Thakor
分类: cs.RO, eess.SP, eess.SY
发布日期: 2026-10-22
备注: 14 pages, 14 figures. Project website, open-source hardware and software, and demonstration videos: https://opentac.github.io
💡 一句话要点
提出OpenTac以解决3D触觉传感器的可定制性与可扩展性问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)
关键词: 触觉传感器 机器人控制 自适应数据采集 可定制设计 电阻式触觉皮肤 跨传感器迁移 高效反馈控制
📋 核心要点
- 现有的触觉传感器在可定制性和可扩展性方面存在局限，难以满足多样化的应用需求。
- 论文提出了一种新型的电阻式触觉皮肤和设计工具，能够自动生成制造文件，支持多种形状和尺寸的传感器。
- 通过实验，OpenTac在触觉感知和机器人控制中的表现显著优于传统方法，尤其在数据采集速度上有19.2倍的提升。
📝 摘要（中文）
我们提出了OpenTac，一个新型传感器及其全栈生态系统，旨在实现高度可定制、可扩展的触觉皮肤，能够迅速应用于机器人控制和学习。我们的核心贡献包括开发了一种可扩展的电阻式触觉皮肤，能够将切向载荷转化为空间变化的压力，并提供了一种高度可定制的传感器设计工具，能够自动生成触觉皮肤的制造文件。我们展示了OpenTac在多种机器人应用中的广泛适用性，并通过实验验证了其在接触丰富的反馈控制和操作策略学习中的有效性。
🔬 方法详解
问题定义：现有的触觉传感器通常缺乏灵活性和可扩展性，难以适应不同的应用场景，且在数据采集效率上存在瓶颈。
核心思路：本研究提出OpenTac，一个集成的触觉传感器生态系统，旨在通过可定制的设计工具和高效的数据采集方法，解决现有触觉传感器的局限性。
技术框架：OpenTac的整体架构包括触觉皮肤的设计工具、传感器模拟器、跨传感器迁移和快速/自适应数据采集模块。设计工具能够从2D轮廓和可展开的3D表面自动生成制造文件。
关键创新：OpenTac的主要创新在于其可扩展的电阻式触觉皮肤，能够将切向载荷转化为空间变化的压力，并通过相邻“税单”的差异响应解码局部剪切向量。
关键设计：在设计过程中，采用了结构化的可变形覆盖层，确保了传感器对不同载荷的敏感性，并通过自适应数据采集技术实现了高达千赫兹的部分读出速率。
🖼️ 关键图片
📊 实验亮点
实验结果表明，OpenTac在触觉感知方面的表现优于传统传感器，尤其在数据采集速度上，采用自适应采集技术的情况下，达到了每次更新16个税单时的19.2倍提升，极大提高了效率。
🎯 应用场景
OpenTac的研究成果在机器人领域具有广泛的应用潜力，尤其是在需要精确触觉反馈的任务中，如抓取、操作和人机交互等。其可定制性使得不同形状和功能的传感器能够快速开发，满足特定应用需求，未来可能推动智能机器人技术的进一步发展。
📄 摘要（原文）
We present OpenTac, a novel sensor and a full-stack ecosystem for tactile skins that are highly customizable, scalable, and readily deployed in downstream robot control and learning applications. Our core contribution is twofold. First, we develop a scalable resistive tactile skin with a structured deformable overlay that converts tangential loading into spatially varying pressure. Differential responses across neighboring "taxels" support decoding of local shear vectors, and the common-mode response encodes normal force. Second, we provide a highly customizable sensor design tool that is able to automatically generate fabrication files for these tactile skins from 2D outlines and developable 3D surfaces, including from abstract descriptions such as text (e.g., "design a sensor for a size 9 shoe insole"). We develop an ecosystem around the OpenTac sensor, including the CAD design tool, a sensor simulator, cross-sensor transfer, and fast/adaptive data acquisition. We demonstrate the broad applicability of the OpenTac-CAD sensor design tool by designing and fabricating more than 30 sensors across a variety of robot embodiments. We characterize the three-dimensional tactile fields produced by OpenTac with a commercial, high-precision force/torque sensor. We demonstrate the broad applicability of 3D tactile sensing across contact-rich feedback control and manipulation policy learning on four real-world robot embodiments. Additionally, adaptive acquisition enables kilohertz-rate partial readouts, exceeding full-array raster scanning on the same sensor by 19.2X at 16 sampled taxels per update for a 1024-taxel skin. We provide all hardware, software, and result videos are at opentac.github.io