OpenTac将定制3D机器人触觉传感器的设计、制造、仿真、迁移和读取整合到一个开放工作流程中。它的四种相互衔接的工具解决了机器人领域的一项实际瓶颈：触觉传感器往往是定制硬件项目，难以在不同机器人外形和控制软件之间复用。由此，用户可以从机器人的表面几何形状出发，获得触觉数据，为接触密集型操作和更快的感知提供支持。
目录
研究人员构建了什么？
OpenTac是一个用于为机器人制作和使用柔性触觉皮肤的开放生态系统。触觉皮肤以压阻薄膜为基础，其电学响应会随压力变化；薄膜上方覆盖着具有特定结构的可变形表面。该表面有助于将侧向载荷，也就是剪切载荷，传递到各个传感元件，使系统能够估算压向皮肤的力以及沿皮肤滑动的力。每个传感单元称为一个触觉像素（taxel），相当于触觉领域的像素。
该生态系统由四个部分组成。OpenTac-CAD根据2D轮廓或合适的3D表面生成传感器布局和制造文件。OpenTac-Sim在机器人仿真中预测传感器读数。OpenTac-Transfer在不同传感器设计之间映射触觉测量值。OpenTac-Xampling以高速自适应读取选定的传感器位置，将采样重点放在发生接触的区域。
这些工具通过一份共享的传感器描述文件（称为manifest）连接起来。这样，为特定机器人表面生成的设计就能延续到仿真和工作流程的其他环节，无需为每种工具单独手动构建描述文件。研究人员还表示，他们已发布硬件、固件、软件和数据，为其他团队改造这一系统提供了起点。
主要结果是什么？
最直观的量化比较是自动生成的传感器布局覆盖了多少机器人表面。OpenTac-CAD将触觉像素单元排布到目标形状上，而基线方案则使用能在同一区域内放下的最大矩形网格。优势主要体现在不规则或渐窄的轮廓上；如果区域本身已经是矩形，结果几乎相同。
| 机器人表面区域 | OpenTac-CAD覆盖率 | 矩形基线方案 |
|---|---|---|
| YUBI | 75% | 57% |
| UMI | 90% | 90% |
| LEAP | 89% | 79% |
| Robotiq | 87% | 87% |
| B2 | 93% | 93% |
对于YUBI，OpenTac-CAD将覆盖率提高了18个百分点；对于LEAP，覆盖率提高了10个百分点。根据报告的评估结果，将轮廓转换为制造文件需要0.7–2.6 seconds。
研究人员还将传感器的力估算结果与商用三轴力传感器进行了测试，并报告称法向力和剪切力估算准确，但所提供的结果没有给出具体误差数值。他们报告称，仿真数据与真实传感器数据相符；触觉信息有助于接触密集型控制和操作策略学习；OpenTac-Transfer能够在不同设计之间传递法向力信息。OpenTac-Xampling可实现千赫兹速率的读取，并捕捉光栅扫描会漏掉的快速接触；但所提供的结果没有给出具体的准确度或速度对比数据。
OpenTac如何工作？
工作流程从需要触觉感知的机器人表面形状开始。OpenTac-CAD在给定的2D轮廓或可展平为合适曲面的3D表面上排布传感器单元。它会检查设计是否存在违规情况，并连同manifest一起生成制造文件，以便在后续流程中复用几何形状和传感器布局。
在OpenTac的传感器中，带有特定形状的可变形覆盖层位于小型压阻传感元件网格上方。接触会使覆盖层变形，并将载荷重新分配到下方的触觉像素上。系统利用这些测量值估算法向力和剪切力。覆盖层的结构十分重要：它有助于推断侧向力，而不只是测量物体是否压向皮肤。
OpenTac-Sim基于MuJoCo构建。MuJoCo是一种用于机器人动力学的物理仿真器。对于带有凸起特征、可同时检测剪切力和法向力的传感器，仿真器会将可变形垫建模为四面体网格，也就是由许多小型四面体单元组成的3D网格，并采用线弹性有限元方法进行建模。有限元方法通过计算许多微小部分的行为，近似材料的变形情况。用于测量法向力的光滑触觉皮肤则采用简化的泡沫接触模型。
在仿真接触过程中，系统会评估传感器凸起特征处的受力，并将其映射为触觉像素级读数。系统还会模拟力如何经由传感器底座和电极覆盖区域传递，并对每个传感器进行校准，以消除垫片自身重量和机械臂加速度造成的载荷。仿真器支持多种机器人以及与刚性物体的交互。
OpenTac-Transfer使用每个传感器各自的校准映射，并要求已知接触位置的对齐情况。它会考虑目标传感器的噪声底限和饱和情况，预测目标传感器的读数；当目标传感器覆盖接触区域时，力会保持守恒。OpenTac-Xampling采用不同的方法：它不会依次扫描每个触觉像素，而是自适应地对稀疏接触区域采样，以快速更新读数；这种方法以牺牲完整的空间覆盖为代价换取速度。
OpenTac为何对机器人技术重要？
当相机无法可靠呈现接触点正在发生什么时，机器人往往需要触觉信息。机器人手可以利用触觉感知检测压力或滑动，而夹爪可能需要快速更新读数，以便在物体滑落前作出响应。OpenTac的核心贡献并非为某一种机器人提供单一传感器，而是在共享工作流程中连接传感器设计、制造、仿真、迁移和读取。
这样一来，每当机器人的表面发生变化，实验就不必总是依赖从头构建定制传感器流程。设计人员可以针对特定轮廓生成布局，在仿真中测试传感器行为，再将触觉读数用于操作或接触控制实验。当接触状态快速变化时，快速自适应采样尤其有用，不过对于较大的接触区域，其空间覆盖方面的取舍也需要考虑。
开放硬件和软件也为工程团队提供了可检查、可改造的基础，而不必将触觉感知视为封闭组件。需要为实操任务比较不同平台的团队，可以浏览Robot Overflow上的人形机器人，或探索仓储机器人，将其作为触觉感知的潜在应用平台。OpenTac并未证明每种机器人都能原样使用该系统，但它为测试系统与机器人是否匹配提供了更易复用的起点。
有哪些局限和未解问题？
这套硬件存在一些实际限制。其柔性印刷电路板不可拉伸，而从3D网格生成布局时，表面必须能够展平为可展曲面。压阻材料还存在迟滞、漂移和温度依赖性，这些因素可能使力估算随时间变化，或在环境条件改变时变得复杂。
高速自适应采样以牺牲空间完整性来换取更新速率：接触区域越大，需要的采样预算就越高。仿真器的信号是变形的代理量，并不能证明仿真测量与物理力测量在所有情况下都相符。所提供的结果也无法证明传感器迁移能够保持力测量准确性，或仿真到现实的策略性能。针对不同材料、动态接触和长期运行开展进一步验证，将有助于弄清该系统在实际部署条件下的表现。
读者常问OpenTac哪些问题？
OpenTac测量什么？ 其触觉传感器可估算法向力；对于带凸点覆盖层的设计，也可估算剪切力。这些估算来自传感器各个触觉像素的读数。
OpenTac传感器能适配不同的机器人形状吗？ OpenTac-CAD可以根据给定轮廓和合适的3D表面生成布局。如果某些3D表面无法展平为可展曲面，就不适合使用。
OpenTac-Sim能完全重现真实传感器的行为吗？ 研究人员报告称仿真数据与真实数据相符，但仿真器生成的是变形代理量。所提供的结果并不能证明其在所有条件下都能准确测力。
千赫兹速率采样需要作出什么取舍？ OpenTac-Xampling会自适应读取稀疏接触区域，以捕捉快速事件。较大的接触区域需要更多样本，因此提高更新速度可能会牺牲完整的空间覆盖。
核心结论是什么？
OpenTac通过一套开放工具包，将定制触觉传感器的设计与仿真、迁移和高速读取连接起来。结果显示，它能提高某些不规则机器人表面的布局覆盖率；但在耐用性、测量准确度和现实场景迁移方面，仍有重要问题待解。
哪些机器人任务最能受益于更快速、针对特定形状定制的触觉感知？