摘要
软性传感伴侣提供了一种物理安全且情感直观的界面，但其可变形性和多通道触觉传感使得人类情感的稳健解读变得复杂。本研究提出了一个完整的开源MATLAB框架，用于开发和验证紧凑的深度学习模型，以实现柔性互动伴侣中的情感触觉识别。
作为主要贡献，研究公开了一个符合FAIR标准的多样化数据集，包含来自25名参与者（儿童、青少年和成人）的1326个标记手势序列，为未来的情感触觉识别研究提供了可重用资源。通过对468个CNN模型进行系统的架构和超参数探索，研究确定了紧凑的膨胀一维卷积神经网络（1D CNN）为最有效的解决方案，其中一个含有13.2k参数的模型在测试中达到了75%的准确率，并在留一法交叉验证中达到了85%的平均准确率。
理论推理时间分析显示，量化部署每窗口需要3.2 MMAC，能够与目标微控制器的20 Hz实时操作兼容。基于PC的实时模拟通过物理玩具流传感器数据，展示了CNN能够解析出细微的社交触摸，而之前的启发式系统未能检测到这些，高强度的负交互则通过简单的阈值逻辑更可靠地捕获。研究建议的混合推理管道为：瞬时启发式过滤后接CNN基础的细致手势分类，作为嵌入式部署策略。
本研究表明，情感意义强且保护隐私的触觉解读在计算上是可行的，能够直接嵌入柔性治疗伴侣中，硬件集成将在后续研究中解决。
博主点评： 本文通过提供一个开放源代码的框架，极大地推动了情感触觉识别领域的发展。轻量级1D CNN在实时应用中的表现令人瞩目，尤其是在细微社交触觉的解析上，展示了深度学习在社交辅助技术中的潜力。未来的研究可以进一步探索硬件集成的可能性，以实现更广泛的应用。