AISY | 针对触觉感知的机器学习：进展、挑战与机遇

摘要：深圳大学彭争春教授团队王子娅助理教授与香港中文大学（深圳）孙正隆助理教授团队从模拟信号和脉冲信号出发，基于降维、聚类、分类和回归的应用目标，综述了近年来机器学习在触觉信号处理上的应用，总结讨论了相应的机器学习算法。

关键词：人工智能，电子皮肤，机器学习，信号处理，触觉感知

近几十年来，触觉传感器的研究在传感材料、制造工艺和结构设计等方面取得了长足进步，传感器的功能也不断丰富，这些发展对触觉信号的处理提出了更高的要求。然而，传统数据处理方法的发展并没有满足新的需求，而且还存在一些缺陷，如繁琐的模型设计、长时间的计算和昂贵的使用成本。机器学习以其突出的大数据分析能力和高速的数据处理速度，为触觉信号分析提供了更多可能。然而，很少有综述对触觉信息处理的机器学习进行全面讨论，尤其是缺乏关于如何选择合适的算法来实现触觉感知的讨论。此外，脉冲信号作为触觉信号在感知、认知和反馈中显示出巨大的潜力，但之前的综述很少有涉及这类信号的讨论。基于此，本综述回顾了近年来用于处理触觉信号的机器学习方法，涵盖了针对模拟信号和脉冲信号的监督学习和无监督学习，并归纳总结了对应的研究进展。相关成果“Machine Learning for Tactile Perception: Advancements, Challenges, and Opportunities”发表在Advanced Intelligent Systems上。

本综述回顾和讨论了用于触觉传感上的机器学习算法的当前进展，侧重于链接机器学习算法与模拟信号和脉冲信号，以实现触觉传感的各种应用。因此，本文可作为如何选择合适算法处理触觉信号以达成传感目标的指南。论文在第一节介绍了利用机器学习处理触觉信号的基本概念，例如信号分类、学习任务分类和数据处理流程等。第二节主要从有监督学习和无监督学习角度总结了机器学习对于模拟信号的处理，并归纳总结了对应的研究进展。第三节主要从脉冲信号获取、基于脉冲信号的机器学习、脉冲信号转换这三方面介绍了如何利用机器学习处理脉冲触觉信号。此外，本文在第四节讨论了不同学习任务下，利用机器学习处理触觉信号在人体活动检测和机器人触觉感知中的应用。最后，作者总结了利用机器学习处理触觉信号在传感器设计、数据质量与数量、算法设计、验证基准方向的当前挑战和未来前景。