Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

מאגר מרקמי מישוש בצפיפות: מאגר מרקמים מישושיים עם מגעי החלקה בכיוונים ומהירויות משתנות

· חזרה לאינדקס

מדוע נתוני מישוש חשובים לחיים הדיגיטליים שלכם

טלפונים שמרגישים כבדים כמו בד, מציאות מדומה שמאפשרת לחוש עֵרּוג עץ, ורובוטים שמבדילים עור מזכוכית — כל אלה נשענים על דבר אחד: נתונים טובים על מישוש. בעוד שלצילום וקול יש מאגרים ציבוריים נרחבים ללמוד עליהם, חוש המישוש חסר עד כה מאגרי רפרנס שנאספו בקפידה. מאמר זה מציג מאגר חדש שממלא את הפער, ומספק למדענים ולמהנדסים ספרייה מפורטת של האופן שבו משטחים שונים מרגישים כאשר קצה אצבע זז עליהם בדרכים מרובות.

ספרייה של משטחים מהעולם האמיתי

הקבוצה בנתה את מה שהם קוראים לו מאגר מרקמי המישוש בצפיפות, אוסף הקלטות מ־118 חומרים יומיומיים. אלה כוללים עץ, אבן, זכוכית, מתכת, פלסטיקים, בדים, קרמיקה, מקסטריות ועורות שונים. במקום להסתמך על מתנדבים אנושיים שיחקרו משטחים בסגנונם האישי, החוקרים השתמשו בקצה אצבע מלאכותי עשוי גומי רך. קצה זה הוכנס ללחץ והחליק על כל משטח בתנאים מבוקרים בקפידה כדי שהנתונים המתקבלים יהיו להשוואה הוגנת בין חומרים ותבניות תנועה.

Figure 1. כיצד קצה אצבע של רובוט מחליק על פני משטחים רבים כדי לבנות ספרייה עשירה של תחושות למישוש עבור מציאות מדומה ורובוטים.
Figure 1. כיצד קצה אצבע של רובוט מחליק על פני משטחים רבים כדי לבנות ספרייה עשירה של תחושות למישוש עבור מציאות מדומה ורובוטים.

אצבע רובוטית שמקשיבה ומרגישה

כדי לאסוף את הנתונים, החוקרים שינו מדפסת תלת־ממד בעלת שלושה צירים כך שתוכל להזיז את קצה הגומי בדיוק גבוה. כאשר הקצה החליק על כל משטח, מיקרופונים הקליטו את הקולות הזעירים, מיידד תאוצה עקב אחר הרעידות, תא מטען (load cell) מדד את כוח המגע, והמכונה רישמה את מיקום קצה האצבע. המדידות בוצעו בתוך תא אטום לקול, והקבוצה יישמה ביטול רעש אקטיבי לאחר מכן כדי לסנן את המהום של המכונה. עבור כל חומר הם בחנו חמש מהירויות החלקה, שמונה כיוונים ושני רמות כוח, וחזרו על כל מצב פעמיים. זה הניב 160 תנאי תנועה לכל משטח וסך של 18,880 הקלטות מסונכרנות, לצד תמונות ברזולוציה גבוהה ומדידות חיכוך.

ממישוש גולמי לאותות שימושיים

איסוף הנתונים הוא רק חלק מהסיפור. המחברים נאלצו גם להראות שהנתונים מכילים דפוסים שמחשב יכול ללמוד מהם. הם המירו את הקלטות הקול והרעד למפות זמן־תדירות צבעוניות ואימנו סוגים שונים של אלגוריתמים לזהות מרקמים, מהירויות וכיוונים. מודלים של למידה עמוקה המבוססים על רשתות עצביות מבוססות קונבולוציה ביצעו היטב במיוחד, וזיהו נכונה את סוג המשטח בכ־96 אחוזים מהפעמים כאשר קיבלו גם קול וגם רעידות. הם גם אומדו מהירות החלקה בדיוק של כ־89 אחוזים וכיוון בדיוק של כ־79 אחוזים, מה שמצביע על כך שההקלטות שומרות רמזים עשירים לגבי אופן תנועת קצה האצבע.

Figure 2. כיצד שינוי מהירות וכיוון ההחלקה על פני משטח משנה את דפוסי הקול והרעד שהם משמשים לזיהוי.
Figure 2. כיצד שינוי מהירות וכיוון ההחלקה על פני משטח משנה את דפוסי הקול והרעד שהם משמשים לזיהוי.

מה משתנה עם מהירות וכיוון

המאגר איפשר לצוות לשאול כיצד תכונות החומר משפיעות על מה שחיישני מישוש קולטות. דגימות חלקות ובעלות חיכוך נמוך כגון סוגי עצים מסוימים, מתכות ופלסטיקים ייצרו אותות חיישן שהשתנו בצורה סדירה עם שינוי המהירות, מה שהוביל לזיהוי מהירות מדויק מאוד. לעומת זאת, משטחים רכים או לא סדירים כמו גזה וחלק מעורות יצרו אותות יותר כאוטיים, מה שקשה יותר לאמוד את המהירות. באשר לכיוון, משטחים עם גֵרֵיין חזק או דפוסים מפוספסים סיפקו את התוצאות הברורות ביותר, כי החלקה לרוחב או לאורך הגריין יצרה דפוסי רעידה וקול שונים מאוד. חומרים עם משטחים פרוותיים או ניתנים לעיוות נטו לטשטש את ההבדלים הללו.

מה זה אומר לטכנולוגיית מישוש עתידית

עבור הלא־מומחים, המסר המרכזי הוא שיש לנו עכשיו ספרייה ציבורית ומאורגנת היטב של נתוני מישוש שמקשרת בין איך שמשהו נראה לבין איך שהוא נשמע ומרגיש תחת דרכי תנועה רבות. משאב זה אמור להקל על תכנון טלפונים, שלטים ומערכות מציאות מדומה שמגיבות באופן ריאליסטי כשאתם מחליקים או מקישים, ועל אימון רובוטים שיכולים לשפוט חומרים באמצעות מישוש. מכיוון שחוקרים ברחבי העולם יכולים להוריד את המאגר והקוד המקושר, הם יכולים להשוות שיטות בצורה הוגנת ולבנות אחת על עבודתן של אחרות, בדומה למה שעשו מאגרי תמונות עם ראייה ממוחשבת.

ציטוט: Eguchi, M., Hayase, T., Hiroi, Y. et al. Cluster Haptic Texture Dataset: Haptic Texture Dataset with Varied Velocity-Direction Sliding Contacts. Sci Data 13, 756 (2026). https://doi.org/10.1038/s41597-026-06760-z

מילות מפתח: מאגר מרקם מישושי, חישה מישושית, הפטיקה במציאות מדומה, מגע רובוטי, למידת מכונה רב־מודלית