Sample selection of multi-trial data for data-driven haptic texture modeling

Haptic Codecs for the Tactile Internet

“…The authors in [42], [63]- [68] recorded such highfrequency acceleration signals using tool-mediated setups and created data-driven models for tactile display. The work in [69] additionally considers the speed components v x and v y to account for anisotropic (i.e., direction-depending) haptic textures, e.g., wooden structures.…”

“…These ARMA coefficients can be transmitted over a network, and, depending on the exerted force and velocity, the displayed tactile signal is generated by filtering a white noise signal using the received ARMA coefficients. The work in [69] further improved the procedure to take anisotropic surface properties into account and proposed a compression scheme for n-dimensional data-driven tactile signal representations which considers the dimensions of scan force and scan velocity in x and y dimensions and report a two-fold compression rate. Based on Weber's law, [58] presents a frequency-domain compression algorithm for tactile information.…”

Electrostatic tactile representation in multimedia mobile terminal

“…人体触感形成的机理十分复杂 [47] ，且与个体的心理和生理等有关，评价用户在触觉再现终端上 感受到的触觉效果涉及到电子学、生理学、心理学、精神物理学等多学科的交叉问题。当前对静电 力触觉再现效果的评价主要从客观和主观两方面进行(图 32)。客观评测主要是搭建力测量平台，测 图 27 Abdulali 等研发的纹理采集装置 [42] Figure 27 Texture acquisition device developed by Abdulali et al [42] 图 28 Ilkhani 等研发的纹理采集装置 [43] Figure 28 Texture acquisition device developed by Ilkhani et al [43] 图 29 电动线性摩擦计 [44] Figure 29 Electric linear tribometer. [44] 212 212 燕学智等：多媒体 (移动) 终端静电力触觉再现 量指尖力信息，而主观评价主要是采用基于精神物理学 的科研调查问卷 [41] 、访谈、评估等方式，探究人体触觉感 受与驱动参数和力参数之间的关系 [48,49] ，运用经典的人机 交互理论和法则，采用任务绩效方式，评估融入触觉再 现 技 术 的 人 机 交 互 方 式 如 何 影 响 用 户 的 交 互 效 率 和 准 确性 [50] 。 触觉再现效果的客观评测主要揭示驱动信号参数对 手指指尖静电力的影响，包括人体手指皮肤的电特性和 触觉再现的系统模型的分析，指尖静电力的参数的测量， 建立静电力强度与激励信号幅度和频率间的映射关系。 早在 1976 年，Yamamoto 等研究表皮角质层的电模型，角 质层的电阻率与距皮肤表皮深度呈指数关系，角质层的 介电常数则与测试频率有关 [51] 。Shultz 等将手指皮肤角质 层等效成 RC 模型，推导了手指电特性参数与静电力的关 系 [52] 。2013 年，美国西北大学的 Meyer 等 器 的 分 布 和 组 成 ， 仿 真 分 析 出 人 体 的 敏 感 频 率 在 250Hz 左 右 [56] 。 2001 年 ， Accot 和 Zhai 采 用 Steering Law 任务设计对输入设备的形式进行了比较和评估 [57] 。2006 年，Kaczmarek 等对静电力触觉 激励信号的不同极性进行了探索性研究，主要对正、负极和两种不同占空比的正负极等 4 种极性的 驱动信号进行实验探测，采用传统精神物理学方法进行最小感知电压阈值实验评测，得出人体对负 极电压驱动更为敏感的结论 [58] 。Wijekoon 等在静电力触觉再现原理样机上初步探索了静电力触觉的 强度与驱动信号幅度和频率的关系，采用量级评估方法，建立了信号幅度和感知强度的统计关系， 当驱动信号频率为 80Hz 时可得到最大感知强度，为触摸屏的触觉接口设计提供了依据 [49] 。2010 年， Bau 等利用 Tesla Touch 系统 [13] ，完成了 3 个精神物理学实验和 1 个用户主观评价实验，以问卷的形式 图 30 力、 位移采集工具 [45] Figure 30 Force and displacement acquisition tool.…”

Data-Driven Modeling and Rendering of Force Responses from Elastic Tool Deformation

“…In the field of haptics, there are two main classes of the sample selection algorithms. First class is represented by wrapper methods where the complete set is trained and reduced iteratively [ 45 ]. The selection process of this algorithm is guided by the approximation model, which enhances the selection quality.…”