用于软毛绒伴侣情感触觉分类的轻量级1D CNN设计与验证

arXiv cs.AI 2026/07/21 04:00 论文

lightweight-cnn affective-touch classification soft-robotics embedded-ai deep-learning

摘要

本文提出了一种用于软毛绒伴侣情感触觉分类的轻量级1D CNN框架，采用13.2k参数模型实现了75%的测试准确率，并提出了一种混合启发式-CNN推理流程用于嵌入式部署。

arXiv:2607.16196v1 公告类型：新论文摘要：软质、带有传感器的伴侣机器人为社会辅助技术提供了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人类情感的鲁棒解读变得复杂。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型深度学习模型，以实现软质交互伴侣中的情感触觉识别。作为主要贡献，一个符合FAIR原则的多样化数据集（包含来自25名儿童、青少年和成年参与者的1326个标记手势序列）已公开提供，为未来情感触觉识别研究提供了可复用的资源。通过对468个CNN模型进行系统性架构和超参数探索，研究确定了紧凑型膨胀一维卷积神经网络（1D CNN）为最有效的解决方案，其中13.2k参数模型实现了75%的测试准确率和85%的平均留一受试者交叉验证准确率。理论推理时间分析表明，量化部署每窗口需要3.2 MMAC，可在目标微控制器上支持20 Hz实时运行。基于物理玩具流式传感器数据的PC端实时仿真表明，该CNN能识别先前启发式系统未能检测到的细微社交触摸，而高力度负面交互则能由简单的基于阈值的逻辑更可靠地捕获。由此产生的混合推理流程——即时启发式过滤后接CNN细粒度手势分类——被提出作为嵌入式部署策略。本研究表明，具有情感意义且保护隐私的触摸解释在计算上可直接嵌入软质治疗伴侣，硬件集成将在后续研究中涉及。

查看原文

查看缓存全文

缓存时间: 2026/07/21 06:36

# 设计并验证用于软毛绒伴侣中情感触觉分类的轻量级一维CNN  
来源：https://arxiv.org/abs/2607.16196  
查看PDF（https://arxiv.org/pdf/2607.16196）  

> 摘要：软体、带传感器的伴侣为社交辅助技术提供了物理安全且情感直观的交互界面，但其可变形性和多通道触觉感知使得对人类情感状态的鲁棒解读变得复杂。本研究提出了一个完整的、基于 MATLAB 的开源框架，用于开发并验证适用于软体交互伴侣中情感触觉识别的紧凑型深度学习模型。作为主要贡献，一个多样化的、符合 FAIR 原则的数据集被公开提供，该数据集包含 25 名参与者（涵盖儿童、青少年和成人）收集的 1326 个带标签的手势序列，为未来情感触觉识别研究提供了可复用的资源。通过对 468 个 CNN 模型进行系统的架构和超参数探索，研究确定了紧凑型扩张一维卷积神经网络（1D CNN）是最有效的解决方案——一个 13.2k 参数的模型在测试集上达到 75% 的准确率，在留一法跨被试交叉验证中达到 85% 的平均准确率。理论推理时间分析表明，量化部署每窗口需要 3.2 MMAC，能够在目标微控制器上实现 20 Hz 的实时运行。基于 PC 的实时仿真——使用物理玩具流式传输传感器数据——表明该 CNN 能够解析先前的启发式系统无法检测到的微妙社交触摸，而高强度的负面交互则更可靠地由简单的阈值逻辑捕获。由此产生的混合推理流水线——先进行瞬时启发式过滤，再进行基于 CNN 的细微手势分类——被提出作为嵌入式部署策略。研究表明，具有情感意义且保护隐私的触觉解读在计算上可行，可直接嵌入到软体治疗伴侣中，硬件集成将在后续研究中涉及。

## 提交历史  

来自：Aleksandrs Vališevskis  \[view email (https://arxiv.org/show-email/83aea057/2607.16196)\]  **\[v1\]** 2026年4月16日 星期四 10:20:05 UTC (1,133 KB)

用于软毛绒伴侣情感触觉分类的轻量级1D CNN设计与验证

相似文章

提升脑机接口的安全性

使用脑电信号和CNN预测rTMS抑郁症疗法结果

Tactus：基于低成本压力阵列的开放词汇物体识别

用于AI无人机检测系统的紧凑型卷积神经网络

面向动态环境中受限设备的边缘AI二元睡眠-觉醒分类

提交意见反馈