Scalable Dynamic Tactile Sensing Enabled by Passive and Flexible Acoustic Waveguides
作者: Guimin Long, Changhong Linghu, Chuanping Liu, Ke Xu, Xingjian Jing
分类: cs.RO
发布日期: 2026-06-11
备注: 40 pages, 6 figures
💡 一句话要点
提出基于被动柔性声波导的动态触觉传感技术以解决大面积传感器的灵活性与成本问题
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)
关键词: 动态触觉传感 声波导 亥姆霍兹共振器 人机交互 信号处理 灵活性 低成本
📋 核心要点
- 现有的动态触觉传感技术在扩展到大面积阵列时，面临灵敏度、鲁棒性和成本之间的权衡，限制了其应用。
- 本文提出了一种基于被动声波导的分布式触觉传感系统，利用弹性膜和亥姆霍兹共振器的组合，实现了性能与灵活性的解耦。
- 实验结果表明，该系统在64节点传感阵列中实现了超过99%的准确率和4毫米的空间分辨率，推理时间仅为5.5毫秒。
📝 摘要（中文）
人工动态触觉传感技术需要高灵敏度、鲁棒性和顺应性，但现有技术在扩展到大面积阵列时面临性能与结构灵活性之间的权衡。本文提出了一种被动分布式范式，利用深亚波长声波导解耦性能与结构灵活性。通过弹性膜封闭的亥姆霍兹共振器和弹簧增强微管的互连，形成一个在宏观弯曲下具有不变声学传输的封闭网络。系统通过稀疏嵌入麦克风，实现了实时定位（最高空间分辨率4毫米；在64节点传感阵列中准确率超过99%）和低频信号的波形重建。快速连续小波变换和轻量级神经网络使推理时间缩短至5.5毫秒。我们展示了可适应的原型，包括指尖阵列、触觉手套和大面积皮肤，能够检测从单根毛发接触到5毫克颗粒冲击、动脉脉搏波、羽毛触碰和手指接触的刺激。这为下一代人机交互建立了可扩展、灵活、低成本的范式。
🔬 方法详解
问题定义：本文旨在解决现有动态触觉传感技术在大面积阵列中面临的灵敏度、鲁棒性与成本之间的权衡问题。现有方法往往在扩展时导致性能下降或结构复杂性增加。
核心思路：论文提出了一种被动分布式触觉传感范式，利用深亚波长声波导来解耦性能与结构灵活性，从而实现高效的动态触觉感知。
技术框架：整体架构包括弹性膜封闭的亥姆霍兹共振器和弹簧增强微管的互连，形成一个封闭的声学网络。系统通过稀疏嵌入麦克风来实现实时信号处理和波形重建。
关键创新：最重要的技术创新在于通过被动声波导实现了在宏观弯曲下的不变声学传输，显著提高了系统的灵活性和适应性。
关键设计：系统采用快速连续小波变换和轻量级神经网络进行信号处理，推理时间缩短至5.5毫秒，且在64节点传感阵列中实现了超过99%的准确率和4毫米的空间分辨率。实验中，麦克风的稀疏嵌入设计也是关键因素之一。
📊 实验亮点
实验结果显示，该系统在64节点传感阵列中实现了超过99%的准确率，最高空间分辨率为4毫米，推理时间仅为5.5毫秒。与现有技术相比，本文提出的方案在灵活性和成本效益上具有显著提升，能够有效检测多种刺激类型。
🎯 应用场景
该研究的潜在应用领域包括人机交互、机器人触觉感知、医疗监测等。通过提供高灵敏度和灵活性的触觉传感器，该技术能够在多种场景中实现更自然的人机交互，提升用户体验，并推动智能设备的发展。
📄 摘要（原文）
Artificial dynamic tactile sensing requires sensitivity, robustness, and compliance, yet existing technologies face trade-offs when scaling to large-area arrays, compounded by wiring complexity and cost. Here, we report a passive distributed paradigm using deep sub-wavelength acoustic waveguides that decouples performance from structural flexibility. Elastic-membrane-capped Helmholtz resonators interconnected by spring-reinforced microtubes form an enclosed network with invariant acoustic transmission under macroscopic bending. By sparsely embedding microphones, the system achieves real-time localization (4 mm highest spatial resolution; >99% accuracy in a 4 microphones 64-node sensing array) and waveform reconstruction of low-frequency signals (<100 Hz). Fast Continuous Wavelet Transform and a lightweight neural network enable inference within 5.5 ms. We demonstrate conformable prototypes-fingertip arrays, a tactile glove, and large-area skins-detecting stimuli from single-hair contact to 5-mg particle impacts, arterial pulse waves, feather touches, and finger contact. This establishes a scalable, flexible, low-cost paradigm for next-generation human-machine interfaces.