摘要
在机器手上实现可靠的触觉物体形状识别通常依赖于密集的传感器阵列或基于视觉的触觉皮肤，但这会增加制造复杂性和计算成本。本研究证明了通过原理性的稀疏感测技术同样可以实现高识别性能。研究人员通过在手指的近端指间关节和掌指关节处安装柔软的电容式伸缩传感器，并结合一个由六个元件组成的稀疏掌压传感器阵列，开发出一个 minimalist 多模态触觉系统。该系统被集成到类似人类的手中，并在受控且可重复的协议下模拟机器人的抓取行为。通过基于方差分析（ANOVA）的通道选择技术，识别并去除了信息量较低的山掌指关节信号，从而减少了手指关节处的传感器数量，同时提高了分类精度。一个轻量级的多层感知器在处理这种低维输入数据时，能够实现对12个代表四种几何基本形状（长方体、球体、圆柱体和圆锥体）的刚性物体的95.4%的尺寸不变识别精度，性能优于使用密集传感器阵列的基线方案。消融实验进一步证实了两种感测方式的互补作用：手指关节的变形用于编码曲率信息，而掌部力的分布则用于捕捉接触拓扑结构；单独使用任一方式都无法达到类似的识别效果。除了精度之外，所提出的设计还减少了传感器数量、布线复杂性和计算需求，使其适合嵌入式应用。结果表明，基于数据驱动的传感器布置策略（而非在所有手指关节上都安装传感器）即可实现足够的抓取形状识别能力，为资源受限的机械手中的触觉感知提供了实用指导。
