机器人“手感”要统一了：一篇论文让四种触觉传感器GelSight Mini、DIGIT、阵列力触觉uSkin、PapillArray说同一种话

做过触觉采集的开发者都有同感：同样按一颗六棱柱，GelSight Mini 输出 8MP 形变图像，uSkin 给出 4×6 个传感点的三轴力，Contactile PapillArray 则是 3×3 光学力阵列的 27 维读数。数据格式完全不同，模型在哪个传感器上训练，基本就锁死在哪个传感器上。这是触觉研究绕不开的坎。

近期发表于 IEEE RA-L 的 UniTac-VAE 换了个思路：不做“传感器 A 翻译成传感器 B”，而是定义一种传感器无关的共同语言——局部接触深度图。它描述“接触处发生了什么几何形变”，与怎么测无关，任何传感器都能对齐过去。

方法上分两步：先用深度图变分自编码器（VAE）定下几何锚定的目标隐空间；再为每种传感器训练专用 VAE，一边重建原生信号，一边把隐分布对齐到冻结的深度编码器空间。关键设计：全程不需要传感器两两配对数据，新增传感器只需一个编码器加与深度图的配对，已有模块无需重训。可以理解为，对齐从“传感器×传感器”变为“传感器×几何”，扩展成本从组合式增长变成线性增长。

论文把四种商用传感器（GelSight Mini、DIGIT、uSkin、Contactile PapillArray）的每次接触与 YCB 网格导出的深度图配对，数据集开源；只用合成深度图训练的单一模型，直接部署到真实传感器，零样本完成形状识别与插销插入，官方视频有完整真机演示。

图：四种商用传感器GelSight Mini、DIGIT、uSkin、Contactile PapillArray算法融合形状检测

对开发者，价值在于触觉数据可以像图像一样沉淀为通用数据集。GelSight Mini 视触觉传感器（约 32×28×28 mm、40 g，8MP 相机 25 FPS，空间分辨率 0.0634 mm/px，支持 ROS / ROS 2 / PyTouch）提供几何细节，uSkin、Contactile 提供高频力反馈；GelSight 核心技术中的高速 3D 成像与标准化 AI 分析软件，覆盖学术科研到工业机器人的检测需求。