电触觉参数映射

基于大模型Agent的虚拟物体触觉渲染通用方法

VR × Electrotactile Feedback × AI Agent

研究背景与动机

电触觉反馈因体积小、易控制、精度高成为独特的触觉反馈方式
当前缺乏系统的参数映射理论，多依赖经验或凭空想象
目标：打通虚拟世界触觉模态的桥梁，在视觉触觉完善后补充触觉维度
核心问题：什么样的电刺激参数能映射出用户觉得"像"的触觉感觉？

研究目标与核心假设

🎯 目标

建立"从虚拟物体外观/描述到电触觉渲染程序"的通用方法

输入：图片（主）/ 文字（辅）/ Unity物体信息

输出：电触觉刺激程序 P，含载波频率、脉宽、时空选通模式

💡 方法学立场

不声称存在"绝对正确的材质—电参数真值表"
提出"通用先验渲染 + 个体语言微调"框架
依赖可复现的图像纹理指标，而非LLM拍脑袋选数值

系统架构总览

01

输入图片/文字

→

02

LLM/VLM语义分析

→

03

6维触觉描述子

→

04

对数映射参数

→

05

电刺激程序输出

硬件平台：电刺激器 · 触觉阵列(3×4=12电极) · 多通道选通器 · VR眼镜 · 计算机 · 麦克风

交互场景：Unity VR家庭客厅场景，用户触摸虚拟物体获得电触觉反馈，可通过语音交互调试参数

硬件与可控变量定义

载波层

f_c：载波频率 (50–500 Hz)
w：单脉冲脉宽 (μs/ms级)

空间-时间层

S(t)：12电极时空激活序列
激活形状、步进长度、扫描速度、方向性、随机扰动

包络层

f_e：包络频率 (5–60 Hz)
m：包络深度 (0连续—1强断续)
burst占空比

关键特性：选通切换时间 50μs · 恒流刺激器幅值可校准 · 多电极可同时激活 · 线路阻值一致性高

强度基准校准

三步阈值测量

I_detect：感知阈值 — 刚能感觉到
I_comfort：舒适上限 — 长期接触仍舒适
I_pain：疼痛阈值 — 开始明显疼痛

强度基准公式

I_base = clamp(k × I_detect, ≤ I_comfort)

或在 [I_detect, I_comfort] 里取固定百分位

安全约束：I_base ≤ I_comfort < I_pain

语义模型输出：6维触觉描述子

Roughness

粗糙度 · 等级 1-6

Sharpness

尖锐/刺感 · 等级 1-6

Softness

柔软度/顺从感 · 等级 1-6

Density

密度/紧实感 · 等级 1-6

Comfort

舒适倾向 · 等级 1-6

Materiality

材质类别 · 布/皮/金属/玻璃/木/纸…

LLM/VLM职责：输入图片/文字 → 输出每个维度的离散等级 + 可选解释词（用于可解释性与debug）

此步骤不输出任何电刺激数值，只输出"应该粗/细、刺/柔、紧/松"的目标

从6等级到参数范围：对数映射

等级归一化

等级 L ∈ {1, 2, 3, 4, 5, 6}

r = (L - 1) / 5 ∈ [0, 1]

对数映射到频率

f_c(r) = exp[log(f_min) + r · (log(f_max) - log(f_min))]

对数映射符合韦伯-费希纳定律，感知差异更自然

为什么用对数映射？

人类感知系统对相对变化更敏感，而非绝对变化
对数刻度使低等级区间变化更精细，高等级区间变化更平缓
适用于频率、脉宽等正值参数的映射

语音交互与个体偏好对齐

为什么需要语音交互？

电触觉感知个体差异极大：阈值差异大、感官差异大
"像"的程度仁者见仁智者见智
对十几种虚拟物体的电触觉进行区分，效果可能不佳

语音调试流程

用户通过语音输入描述感受
大模型理解用户需求
将需求转换为电刺激参数调整
实时调控触觉参数，使之往用户想要的方向调整

核心优势：高度依赖大模型的语言理解能力，将用户自然语言需求精准转换为电刺激参数调整，实现个体化触觉偏好对齐

VR应用场景：家庭客厅

场景设计 rationale

家庭客厅包含各种常见物体：水果、果盆、茶几、杯子、毛巾、沙发、椅子、电视、工具、宠物、瓷瓶、书等
常见物体的触感几乎所有用户心里都有遗留感觉，都熟悉这个感觉
从常见物体模拟开始，提高虚拟世界体验感的沉浸感

用户体验流程

①

戴上VR眼镜

→

②

触摸虚拟物体

→

③

获得电触觉反馈

→

④

语音交互调试

通用先验渲染 + 个体语言微调

先给大众可用的默认触觉，再用语音 Δt 快速对齐个体偏好

电触觉参数映射研究方案 · 基于大模型Agent的VR触觉渲染系统