用于软毛绒伴侣情感触摸分类的轻量级 1D CNN 的设计和验证

arXiv:2607.16196v1 公告类型：新 摘要：柔软的传感伴侣为社交辅助技术提供了物理上安全且情感上直观的界面，但它们的变形性和多通道触觉感知使人类情感的稳健解释变得复杂。本研究提出了一个完整的基于 MATLAB 的开源框架，用于开发和验证紧凑的深度学习模型，用于软交互伴侣中的情感触摸识别。作为主要贡献，从 25 名儿童、青少年和成人参与者收集的 1326 个标记手势序列组成的符合 FAIR 标准的多样化数据集已公开，为情感触摸识别的未来研究提供了可重复使用的资源。通过对 468 个 CNN 模型的系统架构和超参数探索，该研究确定紧凑扩张一维卷积神经网络 (1D CNN) 是最有效的解决方案，13.2k 参数模型实现了 75% 的测试精度和 85% 的平均留一交叉验证精度。理论推理时间分析表明，量化部署每个窗口需要 3.2 MMAC，与目标微控制器上的 20 Hz 实时操作兼容。基于 PC 的实时模拟与物理玩具流传感器数据表明，CNN 解决了​​先前启发式系统无法检测到的微妙社交接触，而通过基于阈值的简单逻辑可以更可靠地捕获高强度的负面交互。由此产生的混合推理管道——瞬时启发式过滤，然后是基于 CNN 的细致手势分类——被提议作为嵌入式部署策略。该研究表明，具有情感意义、保护隐私的触摸解释在计算上是可行的，可以直接嵌入软治疗伴侣中，并在即将进行的研究中解决硬件集成问题。