触觉表面建模的信号处理方法综述：从感知特征到虚拟交互的跨学科研究

本文系统综述了触觉表面建模的信号处理方法，聚焦于虚拟现实(VR)/增强现实(AR)中触觉反馈的关键技术瓶颈。研究团队深入分析了触觉处理流程中的五个核心环节（传感、建模、通信、渲染和感知），特别填补了触觉表面建模(Haptic Surface Modeling)领域的综述空白。通过对比视觉和听觉领域的标准化流程，提出了触觉物理特征空间与感知特征空间的映射关系，并详细评述了参数化和数据驱动两类建模方法。该研究为构建沉浸式XR系统提供了重要理论基础，对推动触觉互联网(Tactile Internet)发展具有指导意义。

　　

在虚拟与现实边界日益模糊的今天，触觉反馈技术成为打破"次元壁"的最后一道难关。虽然现代VR头显能呈现4K级视觉体验，空间音频技术可精准定位声源，但当用户试图触摸虚拟物体时，那种真实的触感却始终难以复现。这种"看得见摸不着"的割裂感，严重制约着医疗培训、远程操作等关键领域的发展。究其根源，在于触觉信号处理缺乏像视觉(RGB/CIELAB)和听觉(频率/振幅)那样标准化的表征体系，使得从物理特征到人类感知的映射关系成为亟待解决的"黑箱"问题。

针对这一挑战，研究人员在《Signal Processing: Image Communication》发表了系统性综述。研究首先创新性地将触觉处理流程解构为五步闭环：通过传感器(如惯性传感器、视觉传感器)采集物理特征，经数字建模转化为可存储的触觉地图(Haptic Map)，再通过通信网络传输，最终由触觉设备渲染并形成用户感知。研究特别指出，当前学术界对传感和渲染环节关注较多，而连接二者的关键环节——触觉表面建模却缺乏系统梳理。

关键技术方法包括：(1)物理特征空间构建：基于Haptic Attribute Space(HAS)理论确立粗糙度(Roughness)、凹凸度(Bumpiness)、刚度(Stiffness)和摩擦(Friction)四维特征体系；(2)数据驱动建模：分析加速度计、力传感器等采集的一维信号与GelSight等视觉传感器获取的二维触觉图像；(3)跨模态关联：建立触觉特征与视觉/听觉信号的映射关系；(4)数据集验证：基于HaTT、LMT等触觉数据库进行方法评估。

研究结果部分，3.1节通过对比视觉(RGB/CIELAB)和听觉(频率/响度)的标准化流程，提出触觉物理特征空间的四维模型：粗糙度反映微米级表面不规则性，凹凸度描述宏观起伏特征，刚度表征材料弹性变形抗力，摩擦则量化滑动阻力。这种正交特征体系为触觉数字化奠定了理论基础。

4.2节详细比较了两类建模方法：参数化方法依赖先验物理知识建立解析模型，虽具解释性但泛化能力有限；数据驱动方法则通过机器学习直接从实验数据学习特征映射，其中又分人类计算机触觉(Human-Computer Haptic)和机器触觉(Machine Haptic)两个分支。研究特别指出，混合触觉(Mixed Haptic)方法通过融合视觉传感器与惯性传感器数据，正在成为新的研究趋势。

5.1节系统梳理了21个主流触觉数据集，如包含100种材质的HaTT数据集、整合视觉-触觉-听觉的ObjectFolder等。分析表明，当前数据集存在两大局限：样本规模普遍偏小(平均<200类)，且缺乏跨模态对齐的标准数据。这直接制约了深度学习等数据驱动方法的应用。

结论部分强调，触觉表面建模正处于类似"视觉领域的JPEG标准化前夜"。研究提出的HAS四维特征体系为触觉标准化提供了可能路径，而数据驱动与参数化方法的融合将推动建模精度提升。值得关注的是，温度特征虽未被纳入核心模型，但其对材料触感的影响机制仍需专门研究。该成果不仅为触觉互联网(Tactile Internet)提供了理论框架，更为医疗机器人、虚拟设计等应用场景的触觉交互奠定了方法论基础。