触觉传感在机器人技术中扮演着至关重要的角色，帮助机器有效地理解和与其环境互动。然而，基于视觉的触觉传感器目前面临着重大挑战。传感器的多样性——包括不同的形状、光照条件和表面标记——使得构建通用解决方案变得困难。传统模型通常是为特定任务或传感器开发和设计的，这限制了这些解决方案在不同应用中的扩展效率。此外，获取关键属性（如力和滑动）的标记数据既耗时又资源密集，进一步限制了触觉传感技术在广泛应用中的潜力。
Meta AI 发布 Sparsh：首个基于视觉的触觉传感通用编码器
为了应对这些挑战，Meta AI 推出了 Sparsh，这是首个基于视觉的触觉传感通用编码器。Sparsh 以梵语中的“触摸”命名，恰当地代表了从传感器特定模型向更灵活、可扩展方法的转变。Sparsh 利用自监督学习（Self-Supervised Learning, SSL）的最新进展，创建适用于各种基于视觉的触觉传感器的触摸表示。与依赖特定任务标记数据的早期方法不同，Sparsh 使用超过 46 万张来自各种触觉传感器的未标记触觉图像进行训练。通过避免依赖标签，Sparsh 开启了传统触觉模型无法提供的应用之门。
- GitHub：https://github.com/facebookresearch/sparsh
- 模型：https://huggingface.co/collections/facebook/sparsh-67167ce57566196a4526c328
Sparsh 的技术细节和优势
Sparsh 基于几种最先进的 SSL 模型构建，如 DINO 和联合嵌入预测架构（Joint Embedding Prediction Architecture, JEPA），这些模型已适应触觉领域。这种方法使 Sparsh 能够跨各种类型的传感器（如 DIGIT 和 GelSight）进行泛化，并在多个任务中实现高性能。在超过 46 万张触觉图像上预训练的编码器家族作为骨干，减轻了对手动标记数据的需求，并实现了更高效的训练。
Sparsh 框架包括 TacBench，这是一个由六个以触摸为中心的任务组成的基准，如力估计、滑动检测、姿态估计、抓握稳定性、纺织品识别和灵巧操作。这些任务评估 Sparsh 模型与传统传感器特定解决方案相比的表现，突显了显著的性能提升——平均提升 95%——同时仅使用其他模型所需标记数据的 33-50%。
Sparsh 在机器人和 AI 中的重要性
Sparsh 的意义重大，特别是在机器人技术中，触觉传感在改善物理交互和灵巧性方面起着至关重要的作用。通过克服传统模型需要标记数据的限制，Sparsh 为更高级的应用铺平了道路，包括手内操作和灵巧规划。评估显示，Sparsh 在基准场景中比端到端任务特定模型高出 95% 以上。这意味着配备 Sparsh 驱动的触觉传感器的机器人可以更好地理解其物理环境，即使只有最少的标记数据。此外，Sparsh 在各种任务中表现出色，包括滑动检测（在测试模型中达到最高的 F1 分数）和纺织品识别，为现实世界的机器人操作任务提供了强大的解决方案。
发表回复