手套触觉读数里混着手的姿态

一句话判断

手套触觉读数里混着手的姿态

论文解决什么问题

柔性传感器对所有形变都敏感，于是触觉手套既响应接触力，也响应佩戴者自己的手部姿态，后者被称为位姿伪影。实测：空中弯一下手指的信号变化相当于一次 1.1N 敲击，而且是在指尖测的，那里并不直接随关节弯曲。这不是某家硬件没做好——多种传感器设计和商用系统都一致出现，根子在力与应变的物理耦合。

后果有两层：不受力时读数也升高，造成触摸假阳性；受力时姿态又改变力与触觉的关系，同一读数在不同手姿下对应不同的力。影响最集中在低力区间，而那正是灵巧操作最要紧的区段——已有工作被迫把 0.2N 以下的数据整段丢掉。

核心方法

↳ ① 残差学习：力估计写成"纯触觉估计 + 姿态引起的残差"，保住触觉到力的因果主路，姿态只负责修正。作者明说试过直接拼接姿态和触觉特征，结果比纯触觉还差——模型学成了"姿态推力"而非"姿态推伪影"。
↳ ② 只在零载荷时监督辅助解码器。手在空中时，触觉信号的任何变化都必然来自姿态，干净标签自动成立；一旦受力，两者就分不开了。

实验结果

· 三副手套的最小可测力分别降 10.4%、12.2%、18.3%，触摸检测误差降 15%、21%、24%
· 自由活动的"伪未见"姿态下仍降 10.2%、9.6%、17.0%
· 修掉三种失效：空中假阳性、接触起始的检测延迟、松手后残留的虚假力，后两者改善的是时间敏感度，对策略训练尤其关键

这篇论文不是什么

只做了食指指尖，单一平面末端执行器，只测法向力，全手扩展是未来工作。每副手套只有 5 人，样本量小到 p 值被离散化。更要紧的是：立论前提是"姿态现在容易拿到"，但实验全程用的是高精度光学动捕；换成第一人称视觉那种精度还成不成立，作者自己列为未解问题。

对机器人 / 世界模型 / VLA 的启发

"别把辅助模态直接拼进主干"这条判断，现在在库里攒到了第五个独立来源，而且横跨五个层次：VLA 策略、触觉专用架构、世界模型潜变量、生理信号、以及这次的传感器标定。同一个坑在完全不同的抽象层上被反复踩，说明它不是某类模型的毛病。

这篇的价值是给出了机制：模型会把辅助模态学成对目标量的直接预测因子，而不是对主路的修正项。修法也就清楚了——不是拼进去，而是给它一个结构受限的位置。残差项、预测目标、专用通路，都是同一办法的不同写法。

还有一处真分歧值得记：库里几篇触觉工作都要专用硬件，这篇主张纯算法加装、不改手套。硬件路线和算法路线对"触觉数据质量该在哪一层解决"给出了相反答案，暂时没有裁决。

论文关键页