From 16addcb87b86c4b57926a643d81a2d9806bc7e1e Mon Sep 17 00:00:00 2001 From: A-0-A-0-A <3131489786@qq,com> Date: Sun, 7 Jun 2026 23:57:50 +0800 Subject: [PATCH] =?UTF-8?q?=E8=AE=BA=E6=96=87=E7=AC=AC=E4=BA=8C=E6=AC=A1?= =?UTF-8?q?=E4=BF=AE=E6=94=B9?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- tactile/undergraduate/README.md | 6 +- tactile/undergraduate/content/chapter1.tex | 32 +-- tactile/undergraduate/content/chapter2.tex | 20 +- tactile/undergraduate/content/chapter3.tex | 14 +- tactile/undergraduate/content/chapter4.tex | 6 +- tactile/undergraduate/content/chapter5.tex | 280 +++++++++---------- tactile/undergraduate/content/references.tex | 74 ++--- tactile/undergraduate/hutbthesis_main.tex | 11 +- 8 files changed, 222 insertions(+), 221 deletions(-) diff --git a/tactile/undergraduate/README.md b/tactile/undergraduate/README.md index d51c0101..16c46e22 100644 --- a/tactile/undergraduate/README.md +++ b/tactile/undergraduate/README.md @@ -1,5 +1,7 @@ 编译说明： 1. 主文件：hutbthesis_main.tex。 2. 使用 TeXstudio 选择 XeLaTeX 编译，连续编译 2 次。 -3. 公式已统一使用 equation 环境；图片与图注已合并到 figure 环境；表格为 LaTeX 表格；代码段使用 listings 环境。 -4. 参考文献采用 content/references.tex 手工编号，不需要运行 biber。 +3. 公式已统一使用 equation 环境；图片与图注已合并到 figure 环境，并添加 \label/\ref 交叉引用。 +4. 表格已改为 LaTeX 三线表；代码段使用 listings 环境。 +5. 参考文献已改为 thebibliography + \bibitem，正文引用使用 \cite{}，不需要运行 biber。 +6. 若目录、图表编号或参考文献跳转未更新，删除 aux/toc/out 后再用 XeLaTeX 编译 2 次。 diff --git a/tactile/undergraduate/content/chapter1.tex b/tactile/undergraduate/content/chapter1.tex index 3548b06c..9340e2b3 100644 --- a/tactile/undergraduate/content/chapter1.tex +++ b/tactile/undergraduate/content/chapter1.tex @@ -4,9 +4,9 @@ \chapter{绪论} \section{研究背景与意义} -虚拟现实、机器人控制、远程医疗、虚拟培训等领域中，可变形物体（如软组织、柔性材料、布料、器官等）的交互仿真的技术越来越成为关键技术依赖的对象，刚体物体的建模和交互技术比较成熟，但是可变形物体受到力的作用时会表现出非线性力学特性，产生较大的变形，其参数随时间变化，接触状态也较为复杂，因此要实现高精度、高时效性的建模与交互仍然存在很大困难，柔性体的力触觉建模复杂度远高于刚体模型，传统建模方式难以适配动态形变的交互需求，无法满足精细仿真作业要求。\textsuperscript{[32]}仅仅依靠视觉信息很难支持精细的操作，因为操作人员缺乏力觉和触觉的感受，无法准确判断接触力、变形程度和表面纹路，导致操作不稳、任务完成率低，严重制约了远程手术、精密装配、康复训练等场景的实际应用\textsuperscript{[31]}。 +虚拟现实、机器人控制、远程医疗、虚拟培训等领域中，可变形物体（如软组织、柔性材料、布料、器官等）的交互仿真的技术越来越成为关键技术依赖的对象，刚体物体的建模和交互技术比较成熟，但是可变形物体受到力的作用时会表现出非线性力学特性，产生较大的变形，其参数随时间变化，接触状态也较为复杂，因此要实现高精度、高时效性的建模与交互仍然存在很大困难，柔性体的力触觉建模复杂度远高于刚体模型，传统建模方式难以适配动态形变的交互需求，无法满足精细仿真作业要求。\cite{ref32}仅仅依靠视觉信息很难支持精细的操作，因为操作人员缺乏力觉和触觉的感受，无法准确判断接触力、变形程度和表面纹路，导致操作不稳、任务完成率低，严重制约了远程手术、精密装配、康复训练等场景的实际应用\cite{ref31}。 -在此背景下，将依靠物理引擎的实时仿真与触觉反馈技术相结合，这是冲破前面瓶颈的关键途径，MuJoCo凭借高效多体动力学求解能力、优秀的柔性体仿真性能，在可变形物体建模、接触计算、实时性保障方面具有明显优势，能有效适配柔性交互场景的动态仿真需求，目前已广泛应用于机器人柔顺交互、精密操作仿真等相关研究领域\textsuperscript{[33]}。WEART触觉手套可以给指尖提供压力、纹理、温度等多模态的触觉反馈，它们互相配合就形成了一个视觉、物理仿真、触觉反馈的闭环系统。 +在此背景下，将依靠物理引擎的实时仿真与触觉反馈技术相结合，这是冲破前面瓶颈的关键途径，MuJoCo凭借高效多体动力学求解能力、优秀的柔性体仿真性能，在可变形物体建模、接触计算、实时性保障方面具有明显优势，能有效适配柔性交互场景的动态仿真需求，目前已广泛应用于机器人柔顺交互、精密操作仿真等相关研究领域\cite{ref33}。WEART触觉手套可以给指尖提供压力、纹理、温度等多模态的触觉反馈，它们互相配合就形成了一个视觉、物理仿真、触觉反馈的闭环系统。 本课题以MuJoCo可变形物体实时触摸建模与仿真系统为研究对象，围绕可变形物体触摸交互中实时形变建模、接触力精确计算、触觉信号映射、视触同步、量化评价等主要问题展开研究，试图构建出一个高刷新率、低时延且可以进行定量评定的视触融合仿真平台，从而为可变形物体交互原理的研究、算法验证和应用系统开发提供标准化、可重现的实验环境，具有重要的理论价值和工程意义。 @@ -16,13 +16,13 @@ \subsection{国内研究现状} 国内学者对于可变形物体建模、触觉渲染、XR交互、医疗机器人、生物力学、复合材料仿真等各个方面已经形成了比较系统全面的研究架构，包含理论方法、硬件设计到系统实现的一整套技术。 -胡子阳等人提出了一种结合CBAM注意力机制的人体软组织多物理场快速同步建模方法，该方法将深度学习和有限元结合起来，在保留一定的精度的同时实现了效率的极大提高，为虚拟手术模拟提供了一种高效的建模方法\textsuperscript{[1]}。刘代清从手法淋巴引流的角度创建了皮肤软组织力学模型，并用有限元做了淋巴动力学的分析，拓展了生物力学建模在康复和医疗方面的应用范围\textsuperscript{[2]}，张天明对人类运动进行肌骨系统生物力学建模和仿真研究，给运动分析、康复工程提供力学依据\textsuperscript{[3]}。吕晓庆等人对人体生物力学仿真和可视化相关研究做了全面的梳理，总结出多体建模、有限元、肌骨仿真等主要的技术路线，为人体交互仿真的方法提供参考\textsuperscript{[4]}，陈卓利用OpenSim平台概述了人体肌骨仿真建模的发展历程，使仿真工具在体育科学、康复工程领域向着标准化的方向发展\textsuperscript{[5]}。 +胡子阳等人提出了一种结合CBAM注意力机制的人体软组织多物理场快速同步建模方法，该方法将深度学习和有限元结合起来，在保留一定的精度的同时实现了效率的极大提高，为虚拟手术模拟提供了一种高效的建模方法\cite{ref1}。刘代清从手法淋巴引流的角度创建了皮肤软组织力学模型，并用有限元做了淋巴动力学的分析，拓展了生物力学建模在康复和医疗方面的应用范围\cite{ref2}，张天明对人类运动进行肌骨系统生物力学建模和仿真研究，给运动分析、康复工程提供力学依据\cite{ref3}。吕晓庆等人对人体生物力学仿真和可视化相关研究做了全面的梳理，总结出多体建模、有限元、肌骨仿真等主要的技术路线，为人体交互仿真的方法提供参考\cite{ref4}，陈卓利用OpenSim平台概述了人体肌骨仿真建模的发展历程，使仿真工具在体育科学、康复工程领域向着标准化的方向发展\cite{ref5}。 -潘言心设计并制作出分布式三维力触觉传感器，解决了分布式接触力精确采集的问题，给高分辨率触觉交互提供硬件支持\textsuperscript{[6]}。陈大鹏等人提出依靠数据的纹理摩擦建模和触觉渲染方法，通过采集真实物体表面摩擦特性来提高触觉渲染的真实性、材质区分度\textsuperscript{[7]}，陈庚对虚拟纹理全面属性建模和力触觉重现展开研究，将触觉反馈从单一的力值扩展为粗糙度、摩擦、纹理等全面特征，再次提升了虚拟交互的沉浸感\textsuperscript{[8]}，王宏润关注XR自然手势交互，创建起触觉加强系统，探寻手势识别和触觉反馈融合的方法，改进沉浸式交互的自然程度\textsuperscript{[9]}。 +潘言心设计并制作出分布式三维力触觉传感器，解决了分布式接触力精确采集的问题，给高分辨率触觉交互提供硬件支持\cite{ref6}。陈大鹏等人提出依靠数据的纹理摩擦建模和触觉渲染方法，通过采集真实物体表面摩擦特性来提高触觉渲染的真实性、材质区分度\cite{ref7}，陈庚对虚拟纹理全面属性建模和力触觉重现展开研究，将触觉反馈从单一的力值扩展为粗糙度、摩擦、纹理等全面特征，再次提升了虚拟交互的沉浸感\cite{ref8}，王宏润关注XR自然手势交互，创建起触觉加强系统，探寻手势识别和触觉反馈融合的方法，改进沉浸式交互的自然程度\cite{ref9}。 -刘浩城针对针灸机器人软组织安全交互难点，提出柔性末端控制方法并重视力觉约束和安全策略，给医疗场景下柔性人机交互提供安全范例\textsuperscript{[10]}，梅欣根据物体力触觉属性识别，对机器人自适应抓取进行研究，用触觉感知提高复杂物体操作的稳定性、鲁棒性\textsuperscript{[11]}。 +刘浩城针对针灸机器人软组织安全交互难点，提出柔性末端控制方法并重视力觉约束和安全策略，给医疗场景下柔性人机交互提供安全范例\cite{ref10}，梅欣根据物体力触觉属性识别，对机器人自适应抓取进行研究，用触觉感知提高复杂物体操作的稳定性、鲁棒性\cite{ref11}。 -马雨前把RPIM无网格法应用到虚拟手术软组织形变仿真中，改进了碰撞检测算法，既保证了仿真精度又保证了实时性\textsuperscript{[12]}，冯上涛从虚拟手术缝合过程出发，加强了软组织形变仿真和碰撞检测的真实性、实时性，更符合临床手术操作的要求\textsuperscript{[13]}，吕双祺等对气凝胶复合材料做细观力学建模和变形行为仿真，扩大了可变形物体建模在先进功能材料领域中的应用范围\textsuperscript{[14]}，李浩达对多体系统非理想运动副进行接触力学建模与仿真分析，完善了复杂约束下动力学求解的方法\textsuperscript{[15]}，赵飞对重载履带式爬壁机器人进行力学建模与仿真，为大型装备柔性接触操作提供动力学支持\textsuperscript{[16]}。 +马雨前把RPIM无网格法应用到虚拟手术软组织形变仿真中，改进了碰撞检测算法，既保证了仿真精度又保证了实时性\cite{ref12}，冯上涛从虚拟手术缝合过程出发，加强了软组织形变仿真和碰撞检测的真实性、实时性，更符合临床手术操作的要求\cite{ref13}，吕双祺等对气凝胶复合材料做细观力学建模和变形行为仿真，扩大了可变形物体建模在先进功能材料领域中的应用范围\cite{ref14}，李浩达对多体系统非理想运动副进行接触力学建模与仿真分析，完善了复杂约束下动力学求解的方法\cite{ref15}，赵飞对重载履带式爬壁机器人进行力学建模与仿真，为大型装备柔性接触操作提供动力学支持\cite{ref16}。 国内的研究在力学建模的改良、触觉渲染维度的拓展、医疗和机器人场景的应用、硬件传感器的设计等各方面都取得了很多成果，但是系统级视触同步、多线程实时架构、跨设备标准化融合、全流程定量评价体系以及完整的``建模-交互-评价''循环平台创建还存在很大的改进空间。 @@ -31,24 +31,24 @@ \subsection{国外研究现状} 国外对于可变形物体触觉交互、实时仿真、数字孪生、柔性机器人、多模态交互等已经有了较早的研究，已经形成了一套包含基础理论、算法框架、系统整合和量化评定的技术体系，非常重视实时性、鲁棒性和工程应用能力。 Tzimos -N等对虚拟现实触觉接口和多模态交互进行研究，探究VR环境下3D物体的触觉接口多模态交互机制，证明触觉反馈可以明显提高交互的可靠性和准确性，也可以提高用户沉浸感\textsuperscript{[17]}。Taghizad -H等人的实时仿真理论及框架综述了多速率实时仿真技术、模型、框架以及主要难点，为高保真、高实时性交互系统规划提供理论依据\textsuperscript{[18]}。 +N等对虚拟现实触觉接口和多模态交互进行研究，探究VR环境下3D物体的触觉接口多模态交互机制，证明触觉反馈可以明显提高交互的可靠性和准确性，也可以提高用户沉浸感\cite{ref17}。Taghizad +H等人的实时仿真理论及框架综述了多速率实时仿真技术、模型、框架以及主要难点，为高保真、高实时性交互系统规划提供理论依据\cite{ref18}。 Laukaitis -A等人把Webots与MuJoCo结合使用生成式AI来改善仿真的机器人学习和智能控制的实用价值，给多引擎仿真协同开拓了新途径\textsuperscript{[19]}，Islam +A等人把Webots与MuJoCo结合使用生成式AI来改善仿真的机器人学习和智能控制的实用价值，给多引擎仿真协同开拓了新途径\cite{ref19}，Islam U N M -等人把人体姿态稳定和神经控制结合起来，用键合图模型提高姿态稳定性预测精度\textsuperscript{[20]}。 +等人把人体姿态稳定和神经控制结合起来，用键合图模型提高姿态稳定性预测精度\cite{ref20}。 航天和极端环境仿真中，Han Z Z -等人用变分积分器建立小行星探测器的轨道动力学模型并进行仿真，从而提高长时间仿真的数值稳定性\textsuperscript{[21]}。Mao -Z等人站在系统动力学的角度研究教师数字素养和革新的影响机理，给复杂的社会系统仿真建模提供理论上的借鉴\textsuperscript{[22]}，针对复杂的群体运动仿真，Zhang -B等人给出滑雪场景下行人动力学建模及仿真的框架，给复杂的运动交互提供可扩展的方法\textsuperscript{[23]}。 +等人用变分积分器建立小行星探测器的轨道动力学模型并进行仿真，从而提高长时间仿真的数值稳定性\cite{ref21}。Mao +Z等人站在系统动力学的角度研究教师数字素养和革新的影响机理，给复杂的社会系统仿真建模提供理论上的借鉴\cite{ref22}，针对复杂的群体运动仿真，Zhang +B等人给出滑雪场景下行人动力学建模及仿真的框架，给复杂的运动交互提供可扩展的方法\cite{ref23}。 柔性机器人建模与控制研究中，柔体外翻式生长机器人动态建模、物理分析及仿真实验验证由Kalibala -A等人完成，使软体机器人可以得到准确的控制\textsuperscript{[24]}。为了解决精密设备在振动环境下产生抖振等问题而建立的空间磁悬浮隔振控制系统进行动力学建模和仿真研究，Ye -M等人提出了一种新的提高精密设备稳定性的方法\textsuperscript{[25]}。对于可变形物体的形状控制，Zueco +A等人完成，使软体机器人可以得到准确的控制\cite{ref24}。为了解决精密设备在振动环境下产生抖振等问题而建立的空间磁悬浮隔振控制系统进行动力学建模和仿真研究，Ye +M等人提出了一种新的提高精密设备稳定性的方法\cite{ref25}。对于可变形物体的形状控制，Zueco C -I等人给出了一个多尺度弹性轮廓映射的方法，可以实现对复杂可变形物体高精度的形状调整和跟踪\textsuperscript{[26]}。 +I等人给出了一个多尺度弹性轮廓映射的方法，可以实现对复杂可变形物体高精度的形状调整和跟踪\cite{ref26}。 国外研究大多集中在高实时性保障、多速率同步机制、严格量化评价体系、跨平台硬件融合等几个方面，许多工作直接采用``物理引擎+触觉设备+VR''循环结构，表现出当下可变形物体触觉交互仿真领域的主要技术走向。 diff --git a/tactile/undergraduate/content/chapter2.tex b/tactile/undergraduate/content/chapter2.tex index 8e85c665..bf9bb8aa 100644 --- a/tactile/undergraduate/content/chapter2.tex +++ b/tactile/undergraduate/content/chapter2.tex @@ -10,7 +10,7 @@ \section{可变形物体物理建模理论} \subsection{连续介质力学基础理论} -连续介质力学是所有可变形物体分析的宏观理论基础，它把物体看作无限密集、连续分布的质点群落，忽略原子、分子之间的空隙，只从场的角度来研究位移场、应变场、应力场和速度场之间的关系\textsuperscript{[27]}。 +连续介质力学是所有可变形物体分析的宏观理论基础，它把物体看作无限密集、连续分布的质点群落，忽略原子、分子之间的空隙，只从场的角度来研究位移场、应变场、应力场和速度场之间的关系\cite{ref27}。 根据仿真目标和材料特性，分别用两种经典的力学模型来建立本系统的模型。弹性力学模型适用于果冻、橡胶、弹性塑料等完全可恢复变形的材料，应力和应变是稳定的，和时间无关，没有滞后和蠕变，卸载后变形完全消失，没有残余形变。 @@ -30,12 +30,13 @@ \subsection{离散化建模方法} \end{enumerate} 质点-弹簧模型（Mass-Spring -Model，MSM）是实时交互领域里最成熟、使用最广泛的可变形体建模方法\textsuperscript{[28]}，该模型的基本结构是由质点（质量分布）、弹簧（弹性约束）和阻尼器（振动衰减）这三部分组成。 +Model，MSM）是实时交互领域里最成熟、使用最广泛的可变形体建模方法\cite{ref28}，该模型的基本结构是由质点（质量分布）、弹簧（弹性约束）和阻尼器（振动衰减）这三部分组成。 \begin{figure}[H] \centering \includegraphics[width=0.88\textwidth,height=0.62\textheight,keepaspectratio]{images/image4.png} \caption{质点--弹簧模型拓扑结构原理图} +\label{fig:2-1} \end{figure} 其主要优势就是计算量很小，可以支持物理步长为1000Hz以上的计算；弹簧--阻尼结构直观，刚度、阻尼、质量参数容易调节；对大变形有较强的适应性，不容易产生网格翻转；与触觉刷新率（100～300Hz）天然匹配。系统通过调节刚度系数stiffness、阻尼系数damping和网格密度grid @@ -72,7 +73,7 @@ \subsection{材料本构关系} \sigma = E\varepsilon \end{equation} -其中：$\sigma$为应力；E为弹性模量；\emph{$\varepsilon$}为应变。 +其中：$\sigma$为应力；$E$为弹性模量；$\varepsilon$为应变。 \begin{enumerate} \def\labelenumi{\arabic{enumi}.} @@ -85,7 +86,7 @@ \subsection{材料本构关系} \sigma = E\varepsilon + \eta\dot{\varepsilon} \end{equation} -其中：\emph{$\eta$}为粘性系数；$\dot{\varepsilon}$为应变速率。该模型能够准确还原``快按更硬、慢按更软''的真实生物组织触感。 +其中：$\eta$为粘性系数；$\dot{\varepsilon}$为应变速率。该模型能够准确还原``快按更硬、慢按更软''的真实生物组织触感。 \section{触觉反馈与力触觉渲染理论} @@ -107,7 +108,7 @@ \subsection{接触力计算模型} F = k\delta^{3/2} \end{equation} -其中，F是法向接触力，\emph{k}是等效刚度，\emph{$\delta$}是变形或者穿透深度。 +其中，$F$是法向接触力，$k$是等效刚度，$\delta$是变形或者穿透深度。 该模型有非线性刚度特性，即``越压越硬''，这是真实的触觉的主要特点。 @@ -138,7 +139,7 @@ \subsection{力信号处理与平滑技术} 滑动平均滤波 \end{enumerate} -物理引擎输出的原始力信号含有高频噪声，如果直接输出就会引起刺痛、震颤等不良触觉\textsuperscript{[29]}，因此系统采用滑动平均滤波的方法。 +物理引擎输出的原始力信号含有高频噪声，如果直接输出就会引起刺痛、震颤等不良触觉\cite{ref29}，因此系统采用滑动平均滤波的方法。 \begin{equation} F_{\mathrm{filtered}}(t)=\frac{1}{N}\sum_{i=0}^{N-1}F(t-i\Delta t) @@ -219,12 +220,13 @@ \section{手部运动映射与逆运动学理论} \dot{q}=(J^TJ+\lambda^2 I)^{-1}J^T\dot{x} \end{equation} -其中：\emph{J}为雅可比矩阵；\emph{$\lambda$}为阻尼系数；$\dot{x}$为末端速度；$\dot{q}$为关节速度。 +其中：$J$为雅可比矩阵；$\lambda$为阻尼系数；$\dot{x}$为末端速度；$\dot{q}$为关节速度。 \begin{figure}[H] \centering \includegraphics[width=0.88\textwidth,height=0.62\textheight,keepaspectratio]{images/image15.png} \caption{DLS 逆运动学求解流程图} +\label{fig:2-2} \end{figure} \begin{enumerate} @@ -247,7 +249,7 @@ \section{手部运动映射与逆运动学理论} \section{MuJoCo 物理引擎核心理论} -MuJoCo是目前全世界最符合触觉交互、机器人实时仿真物理引擎、高精度、高稳定、低时延、接触求解能力强的机器人仿真软件\textsuperscript{[30]}。 +MuJoCo是目前全世界最符合触觉交互、机器人实时仿真物理引擎、高精度、高稳定、低时延、接触求解能力强的机器人仿真软件\cite{ref30}。 \begin{enumerate} \def\labelenumi{\arabic{enumi}.} @@ -261,6 +263,7 @@ \section{MuJoCo 物理引擎核心理论} \centering \includegraphics[width=0.88\textwidth,height=0.62\textheight,keepaspectratio]{images/image16.png} \caption{MuJoCo 动力学求解循环图} +\label{fig:2-3} \end{figure} \begin{enumerate} @@ -285,6 +288,7 @@ \section{MuJoCo 物理引擎核心理论} \centering \includegraphics[width=0.88\textwidth,height=0.62\textheight,keepaspectratio]{images/image17.png} \caption{MuJoCo 约束求解流程示意图} +\label{fig:2-4} \end{figure} \section{实时仿真与多线程同步理论} diff --git a/tactile/undergraduate/content/chapter3.tex b/tactile/undergraduate/content/chapter3.tex index 3d70f485..0339789b 100644 --- a/tactile/undergraduate/content/chapter3.tex +++ b/tactile/undergraduate/content/chapter3.tex @@ -13,12 +13,13 @@ \section{系统总体架构} \subsection{硬件架构} -理想系统硬件采用核心计算、交互输入、视觉输出、触觉反馈（可选）的架构设计，各个设备通过USB和TCP/IP网络通信，以高性能计算主机为中央控制节点，统一接收传感器数据并下发控制指令，保证硬件协同工作时序一致，具体组成及功能如图3.1下所示： +理想系统硬件采用核心计算、交互输入、视觉输出、触觉反馈（可选）的架构设计，各个设备通过USB和TCP/IP网络通信，以高性能计算主机为中央控制节点，统一接收传感器数据并下发控制指令，保证硬件协同工作时序一致，具体组成及功能如图\ref{fig:3-1}所示： \begin{figure}[H] \centering \includegraphics[width=0.88\textwidth,height=0.62\textheight,keepaspectratio]{images/image18.png} \caption{理想系统硬件连接拓扑结构图} +\label{fig:3-1} \end{figure} \phantomsection\label{_Toc21838}{} @@ -38,7 +39,7 @@ \subsection{硬件架构} \subsection{软件架构} -系统软件采用五层分层架构设计，设备推动层、物理引擎层、触觉渲染层、交互控制层、数据考虑层通过标准接口进行通讯，方便以后的维护、替换模块、扩展，系统软件五层架构如下图3.2所示。 +系统软件采用五层分层架构设计，设备推动层、物理引擎层、触觉渲染层、交互控制层、数据考虑层通过标准接口进行通讯，方便以后的维护、替换模块、扩展，系统软件五层架构如图\ref{fig:3-2}所示。 (1)设备驱动层要和VR、触觉手套建立通信联系，完成设备的初始化、校准、数据读取和指令下达等工作，隐藏硬件差异，给高层提供统一的调用接口。 @@ -52,8 +53,9 @@ \subsection{软件架构} \begin{figure}[H] \centering -\includegraphics[width=0.88\textwidth,height=0.62\textheight,keepaspectratio]{images/image19.png} +\includegraphics[width=0.72\textwidth,height=0.50\textheight,keepaspectratio]{images/image19.png} \caption{系统软件五层架构图} +\label{fig:3-2} \end{figure} \section{硬件设备接入与配置} @@ -178,12 +180,13 @@ \section{仿真环境搭建} (6)辅助工具是多线程库来保证仿真、触觉、渲染、数据记录线程之间互相不影响，fix\_xml.py系列脚本用来修复原项目XML文件的兼容性问题，使它可以与MuJoCo 3.x版本兼容。 -环境部署流程简单，能够迅速复现，系统启动后会弹出命令行控制面板界面，提供系统初始化过程以及设备状态提示以及键盘交互控制说明，使用户能够很快的开始使用。根据图3.3可以知道可变形物体触觉仿真的系统启动时的命令行控制面板界面，有系统初始化过程、WEART设备状态提示以及键盘交互控制说明。 +环境部署流程简单，能够迅速复现，系统启动后会弹出命令行控制面板界面，提供系统初始化过程以及设备状态提示以及键盘交互控制说明，使用户能够很快的开始使用。根据图\ref{fig:3-3}可以知道可变形物体触觉仿真的系统启动时的命令行控制面板界面，有系统初始化过程、WEART设备状态提示以及键盘交互控制说明。 \begin{figure}[H] \centering \includegraphics[width=0.88\textwidth,height=0.62\textheight,keepaspectratio]{images/image20.png} \caption{系统控制面板效果图} +\label{fig:3-3} \end{figure} \begin{enumerate} @@ -193,12 +196,13 @@ \section{仿真环境搭建} 仿真场景配置 \end{enumerate} -系统设计出各种典型的可变形物体的交互场景，对应不同的材质、刚度、形变特性，以满足对照实验的要求，根据图3.4可知，系统创建出包含人体躯干、肝脏、肾脏等器官模型的虚拟手术仿真场景，用户可以借助触觉手套对虚拟器官进行实时交互。 +系统设计出各种典型的可变形物体的交互场景，对应不同的材质、刚度、形变特性，以满足对照实验的要求，根据图\ref{fig:3-4}可知，系统创建出包含人体躯干、肝脏、肾脏等器官模型的虚拟手术仿真场景，用户可以借助触觉手套对虚拟器官进行实时交互。 \begin{figure}[H] \centering \includegraphics[width=0.88\textwidth,height=0.62\textheight,keepaspectratio]{images/image21.png} \caption{系统仿真场景效果图} +\label{fig:3-4} \end{figure} 图中给出了用MuJoCo创建的虚拟手术仿真场景，（1）双手骨骼模型（MuJoCo diff --git a/tactile/undergraduate/content/chapter4.tex b/tactile/undergraduate/content/chapter4.tex index ec60947c..45cea3b5 100644 --- a/tactile/undergraduate/content/chapter4.tex +++ b/tactile/undergraduate/content/chapter4.tex @@ -32,7 +32,7 @@ \subsection{多因素融合力计算模型} \subsection{力信号平滑滤波} -\subsection{高频物理仿真的接触力原始信号中容易出现瞬时毛刺、高频噪声和数值跳跃等现象，如果不经过处理就直接输出，就会产生刺痛、震颤等不良感觉。本系统使用滑动平均滤波算法（ForceFilter），用最优滤波窗口N=5对连续多帧力信号做加权平均运算，在不明显增加系统时延的基础上，较好地去除了高频噪声和瞬时突变，使得力反馈的变化更加连贯、平缓。该滤波算法集成到haptic\_feedback.py模块中，计算量小、实时性好，和numpy数值计算库配合使用可以完成高效的运算，保证了滤波后的力信号稳定，触感接近真实的生物组织的柔和反馈，大大提高了用户长时间操作的舒适度和沉浸感，也是本项目在原项目的基础上的一个重要优化点，为后续纹理触觉渲染模块提供了一个平滑、可靠的力信号基础。} +高频物理仿真的接触力原始信号中容易出现瞬时毛刺、高频噪声和数值跳跃等现象，如果不经过处理就直接输出，就会产生刺痛、震颤等不良感觉。本系统使用滑动平均滤波算法（ForceFilter），用最优滤波窗口N=5对连续多帧力信号做加权平均运算，在不明显增加系统时延的基础上，较好地去除了高频噪声和瞬时突变，使得力反馈的变化更加连贯、平缓。该滤波算法集成到haptic\_feedback.py模块中，计算量小、实时性好，和numpy数值计算库配合使用可以完成高效的运算，保证了滤波后的力信号稳定，触感接近真实的生物组织的柔和反馈，大大提高了用户长时间操作的舒适度和沉浸感，也是本项目在原项目的基础上的一个重要优化点，为后续纹理触觉渲染模块提供了一个平滑、可靠的力信号基础。 \section{基于纹理映射的触觉渲染} @@ -79,6 +79,7 @@ \subsection{改进阻尼最小二乘法逆运动学} \centering \includegraphics[width=0.88\textwidth,height=0.62\textheight,keepaspectratio]{images/image22.png} \caption{逆运动学求解流程图} +\label{fig:4-1} \end{figure} \section{多线程并行与实时同步架构} @@ -95,10 +96,11 @@ \subsection{视触时空同步} 视觉形变和触觉反馈在时间上一致是获得高质量沉浸体验的关键因素，如果出现视觉与触觉不协调的现象，那么用户就会清楚地意识到画面先于触觉出现，从而削弱真实感。于是系统就形成了一个高精度的视触协同同步机制，包含统一时间戳调度、帧插值预测、双缓冲区同步等各方面内容。 -所有的模块都用同一个系统时钟做基准，对视觉帧和触觉帧做严格的时序对齐，用运动预测算法弥补设备延迟和通信延迟，进一步减少视触不同步误差，根据图4.2可知，多线程并行架构表现出了物理仿真线程（Physics）、触觉反馈线程（Haptics）、VR渲染线程（Rendering）、数据记录线程（Data）之间的时序关系和同步机制，各个线程各自独立地运行，通过共享缓冲区、事件信号进行数据交换和同步协作，即使系统处于高负载状态，它的实时性能也能保持稳定。经过改良之后，达到了行业领先的实时触觉交互水平，在这样的低延迟、高同步环境下，用户几乎察觉不到延迟的存在，视觉变形和指尖触感两者完美契合，可以得到非常自然而且逼真的可变形物体触摸感受。 +所有的模块都用同一个系统时钟做基准，对视觉帧和触觉帧做严格的时序对齐，用运动预测算法弥补设备延迟和通信延迟，进一步减少视触不同步误差，根据图\ref{fig:4-2}可知，多线程并行架构表现出了物理仿真线程（Physics）、触觉反馈线程（Haptics）、VR渲染线程（Rendering）、数据记录线程（Data）之间的时序关系和同步机制，各个线程各自独立地运行，通过共享缓冲区、事件信号进行数据交换和同步协作，即使系统处于高负载状态，它的实时性能也能保持稳定。经过改良之后，达到了行业领先的实时触觉交互水平，在这样的低延迟、高同步环境下，用户几乎察觉不到延迟的存在，视觉变形和指尖触感两者完美契合，可以得到非常自然而且逼真的可变形物体触摸感受。 \begin{figure}[H] \centering \includegraphics[width=0.88\textwidth,height=0.62\textheight,keepaspectratio]{images/image23.png} \caption{多线程并行架构时序图} +\label{fig:4-2} \end{figure} diff --git a/tactile/undergraduate/content/chapter5.tex b/tactile/undergraduate/content/chapter5.tex index e549c430..ef93235e 100644 --- a/tactile/undergraduate/content/chapter5.tex +++ b/tactile/undergraduate/content/chapter5.tex @@ -25,23 +25,18 @@ \section{实验环境与设备} 1.硬件平台（核心设备：联想拯救者R9000P笔记本电脑） -实验全过程只用本人联想拯救者R9000P笔记本电脑作为唯一的计算和控制终端，没有其他外接的计算设备，硬件参数如下表1所示，所有的参数都是电脑实际配置，直接决定了系统的运行性能。 - -\begingroup\footnotesize -\begin{longtable}[]{@{} - >{\raggedright\arraybackslash}p{(\columnwidth - 2\tabcolsep) * \real{0.2439}} - >{\raggedright\arraybackslash}p{(\columnwidth - 2\tabcolsep) * \real{0.7561}}@{}} -\caption{硬件平台配置表}\\ -\toprule\noalign{} -\begin{minipage}[b]{\linewidth}\raggedright -项目 -\end{minipage} & \begin{minipage}[b]{\linewidth}\raggedright -参数配置 -\end{minipage} \\ -\midrule\noalign{} -\endhead -\bottomrule\noalign{} -\endlastfoot +实验全过程只用本人联想拯救者R9000P笔记本电脑作为唯一的计算和控制终端，没有其他外接的计算设备，硬件参数如表\ref{tab:5-1}所示，所有的参数都是电脑实际配置，直接决定了系统的运行性能。 + +\begin{table}[H] +\centering +\caption{硬件平台配置表} +\label{tab:5-1} +\footnotesize +\renewcommand{\arraystretch}{1.18} +\begin{tabularx}{\textwidth}{p{0.22\textwidth}X} +\toprule +项目 & 参数配置 \\ +\midrule 计算主机 & 联想拯救者 R9000P 笔记本 \\ 处理器 & AMD Ryzen 7 6800H，8 核 16 线程 \\ 内存 & 32GB DDR5 4800MHz \\ @@ -49,8 +44,11 @@ \section{实验环境与设备} 显示设备 & 16 英寸 2.5K 165Hz 高色域屏幕 \\ 输入设备 & 笔记本自带键盘、外接 USB 鼠标 \\ 可选交互硬件 & Oculus Rift S、WEART TouchDIVER 触觉手套 \\ -\end{longtable} -\endgroup +\bottomrule +\end{tabularx} +\end{table} + + (1)处理器（CPU）：采用AMD Ryzen 7 6800H八核十六线程，主频3.2GHz，睿频4.7GHz，缓存16MB，可以对多线程进行调度，对物理仿真计算和逆运动学求解进行处理，还可以对触觉算法进行运算，保证四线程并行架构的稳定运行。 @@ -76,7 +74,7 @@ \section{实验环境与设备} 2.软件平台 软件环境和系统开发环境完全一致，使用Python -3.10+进行构建，所有的依赖库都是实际开发所用的版本，保证实验结果和系统实际运行效果一致，具体配置如下表2所示。 +3.10+进行构建，所有的依赖库都是实际开发所用的版本，保证实验结果和系统实际运行效果一致，具体配置如表\ref{tab:5-2}所示。 (1)核心开发语言为Python 3.10.12，全栈开发语言，对所有的模块进行编码和实现。 @@ -98,62 +96,54 @@ \section{实验环境与设备} (6)辅助工具：PyCharm 2023.2.3（开发与调试工具）、fix\_xml.py系列脚本（本人编写，用于修复原项目XML文件兼容性问题）、guis.py（集成中文化TUI键盘监听模块，本人添加）。 -\begingroup\footnotesize -\begin{longtable}[]{@{} - >{\raggedright\arraybackslash}p{(\columnwidth - 2\tabcolsep) * \real{0.2655}} - >{\raggedright\arraybackslash}p{(\columnwidth - 2\tabcolsep) * \real{0.7345}}@{}} -\caption{软件平台环境配置表}\\ -\toprule\noalign{} -\begin{minipage}[b]{\linewidth}\raggedright -项目 -\end{minipage} & \begin{minipage}[b]{\linewidth}\raggedright -参数配置 -\end{minipage} \\ -\midrule\noalign{} -\endhead -\bottomrule\noalign{} -\endlastfoot +\begin{table}[H] +\centering +\caption{软件平台环境配置表} +\label{tab:5-2} +\footnotesize +\renewcommand{\arraystretch}{1.18} +\begin{tabularx}{\textwidth}{p{0.24\textwidth}X} +\toprule +项目 & 参数配置 \\ +\midrule 开发语言 & Python 3.10+ \\ 物理引擎 & MuJoCo 3.x \\ -可视化工具 & mujoco.viewer (passive) \\ +可视化工具 & mujoco.viewer（passive） \\ 交互库 & pynput 1.7.6、pyopenxr（可选） \\ 数值计算 & numpy 1.26.0 \\ 数据存储 & SQLite 3.41.2 \\ 开发工具 & PyCharm 2023.2.3 \\ -\end{longtable} -\endgroup +\bottomrule +\end{tabularx} +\end{table} + + 实验环境配置说明，实验前关闭电脑上所有无关的后台程序（微信、浏览器、杀毒软件等），关闭系统自动更新和弹窗提示，保证CPU、内存、GPU资源全部被实验所使用，防止外界干扰造成实验数据出现偏差，利用fix\_xml.py脚本对场景资产进行优化，保证双手+腹腔器官组合场景（hands and phantom.xml）可以稳定加载，给实验提供干净、稳定的软件环境。 3.实验物体 -实验选择原项目腹腔手术触觉训练场景中的3种典型可变形腹腔器官，分别对应不同的刚度、阻尼、表面特性和纹理类型，与TextureMapper模块的物体纹理映射规则完全一致，所有的物体都用MuJoCo的flexcomp元素建模，具体的参数见表3。 - -\begingroup\footnotesize -\begin{longtable}[]{@{} - >{\raggedright\arraybackslash}p{(\columnwidth - 12\tabcolsep) * \real{0.1328}} - >{\raggedright\arraybackslash}p{(\columnwidth - 12\tabcolsep) * \real{0.1517}} - >{\raggedright\arraybackslash}p{(\columnwidth - 12\tabcolsep) * \real{0.0942}} - >{\raggedright\arraybackslash}p{(\columnwidth - 12\tabcolsep) * \real{0.1015}} - >{\raggedright\arraybackslash}p{(\columnwidth - 12\tabcolsep) * \real{0.0902}} - >{\raggedright\arraybackslash}p{(\columnwidth - 12\tabcolsep) * \real{0.2866}} - >{\raggedright\arraybackslash}p{(\columnwidth - 12\tabcolsep) * \real{0.1429}}@{}} -\caption{实验物体特性表}\\ -\toprule\noalign{} -\endhead -\bottomrule\noalign{} -\endlastfoot -实验物体（器官） & 建模方式 & 刚度系数 & 阻尼系数 & 摩擦系数 & -纹理映射类型 & 网格密度（顶点数） \\ -肝脏 & gmsh高精度网格 & 1500 N/m & 50 N·s/m & 0.35 & -VenetianGranite（细腻颗粒感） & 1200个 \\ -肾脏 & ellipsoid椭球网格 & 1200 N/m & 40 N·s/m & 0.30 & -ProfiledRubberSlow（柔软弹性） & 800个 \\ -皮肤（躯干表面） & grid规则网格 & 1000 N/m & 30 N·s/m & 0.25 & -Smooth（光滑低摩擦） & 1000个 \\ -\end{longtable} -\endgroup +实验选择原项目腹腔手术触觉训练场景中的3种典型可变形腹腔器官，分别对应不同的刚度、阻尼、表面特性和纹理类型，与TextureMapper模块的物体纹理映射规则完全一致，所有的物体都用MuJoCo的flexcomp元素建模，具体的参数见表\ref{tab:5-3}。 + +\begin{table}[H] +\centering +\caption{实验物体特性表} +\label{tab:5-3} +\scriptsize +\renewcommand{\arraystretch}{1.18} +\begin{tabularx}{\textwidth}{p{0.12\textwidth}p{0.13\textwidth}p{0.09\textwidth}p{0.09\textwidth}p{0.08\textwidth}Xp{0.11\textwidth}} +\toprule +实验物体（器官） & 建模方式 & 刚度系数 & 阻尼系数 & 摩擦系数 & 纹理映射类型 & 网格密度（顶点数） \\ +\midrule +肝脏 & gmsh高精度网格 & 1500 N/m & 50 N·s/m & 0.35 & VenetianGranite（细腻颗粒感） & 1200个 \\ +肾脏 & ellipsoid椭球网格 & 1200 N/m & 40 N·s/m & 0.30 & ProfiledRubberSlow（柔软弹性） & 800个 \\ +皮肤（躯干表面） & grid规则网格 & 1000 N/m & 30 N·s/m & 0.25 & Smooth（光滑低摩擦） & 1000个 \\ +\bottomrule +\end{tabularx} +\end{table} + + 补充说明，所有的实验物体物理参数都经过了多次调试，符合真实的腹腔器官的力学特性，肝脏刚度最高、阻尼最大，皮肤刚度最低、摩擦系数最小，纹理映射类型对应本人设计的物体纹理映射规则，保证实验可以有效地验证力反馈和纹理渲染的真实性、区分度。 @@ -175,7 +165,7 @@ \subsection{实验流程} 实验过程由四个阶段组成，即准备阶段、练习阶段、正式实验阶段和问卷填写阶段。在准备阶段启动联想拯救者R9000P，关闭所有无关的后台程序，启动系统（运行simulator.py主程序），用fix\_xml.py脚本对场景进行优化，加载双手+腹腔器官组合场景，执行系统自动校准（虚拟手关节校准、接触传感器校准），打开性能监控工具和数据记录工具，保证所有的设备和软件都正常工作。 -选择一位熟悉系统操作的同学作为受试者，在键盘上控制虚拟手进行4项简单练习，熟悉键盘操作逻辑（方向键控制位置、空格键控制抓握、Shift键控制按压深度），中文化GUI说明，消除操作陌生感，保证正式实验时操作规范，减少操作误差。由图5.1可知，在图(a)是左手控制模式的虚拟手交互界面，(b) +选择一位熟悉系统操作的同学作为受试者，在键盘上控制虚拟手进行4项简单练习，熟悉键盘操作逻辑（方向键控制位置、空格键控制抓握、Shift键控制按压深度），中文化GUI说明，消除操作陌生感，保证正式实验时操作规范，减少操作误差。由图\ref{fig:5-1}可知，在图(a)是左手控制模式的虚拟手交互界面，(b) 是右手控制模式的虚拟手交互界面，受试者可以自由选择左手或者右手来完成实验中所要求的操作，系统可以实时地采集出两种情况下延迟和帧率这些重要的指标，从而给交互体验评价给予数据上的支撑。 \begin{figure}[H] @@ -184,25 +174,29 @@ \subsection{实验流程} \centering \includegraphics[width=\linewidth,height=0.35\textheight,keepaspectratio]{images/image24.png} \caption{控制左手} +\label{fig:5-1-a} \end{subfigure} \hfill \begin{subfigure}{0.48\textwidth} \centering \includegraphics[width=\linewidth,height=0.35\textheight,keepaspectratio]{images/image25.png} \caption{控制右手} +\label{fig:5-1-b} \end{subfigure} \caption{虚拟手左右手切换控制示意图} +\label{fig:5-1} \end{figure} -正式实验阶段受试者依次进行各个实验任务，系统用data\_record.py脚本自动保存所有的定量数据（接触力、延迟、帧率、穿模次数、动作完成时间等），实验过程中实时监控系统的运行状况，出现器官爆裂、虚拟手飞出视野等异常情况时，及时保存异常发生时的操作场景和参数，为之后的分析工作做好准备。上下、前后、左右六个方向的移动控制操作界面如图5.2所示。 +正式实验阶段受试者依次进行各个实验任务，系统用data\_record.py脚本自动保存所有的定量数据（接触力、延迟、帧率、穿模次数、动作完成时间等），实验过程中实时监控系统的运行状况，出现器官爆裂、虚拟手飞出视野等异常情况时，及时保存异常发生时的操作场景和参数，为之后的分析工作做好准备。上下、前后、左右六个方向的移动控制操作界面如图\ref{fig:5-2}所示。 \begin{figure}[H] \centering \includegraphics[width=0.88\textwidth,height=0.62\textheight,keepaspectratio]{images/image26.png} \caption{虚拟手上下前后左右移动控制示意图} +\label{fig:5-2} \end{figure} -虚拟手触摸前后形变对比效果如图5.3所示，图5.3(a)为虚拟手触摸前的初始形态，图5.3(b)为虚拟手触摸后形变的视觉反馈状态。实验过程中系统会同步记录两种任务下延迟、精度、误差、帧率等定量数据，用来综合评价虚拟手在空间移动和触觉交互场景中表现的好坏以及交互的真实感。 +虚拟手触摸前后形变对比效果如图\ref{fig:5-3}所示，图\ref{fig:5-3}(a)为虚拟手触摸前的初始形态，图\ref{fig:5-3}(b)为虚拟手触摸后形变的视觉反馈状态。实验过程中系统会同步记录两种任务下延迟、精度、误差、帧率等定量数据，用来综合评价虚拟手在空间移动和触觉交互场景中表现的好坏以及交互的真实感。 \begin{figure}[H] \centering @@ -210,14 +204,17 @@ \subsection{实验流程} \centering \includegraphics[width=\linewidth,height=0.35\textheight,keepaspectratio]{images/image27.png} \caption{虚拟手触摸前} +\label{fig:5-3-a} \end{subfigure} \hfill \begin{subfigure}{0.48\textwidth} \centering \includegraphics[width=\linewidth,height=0.35\textheight,keepaspectratio]{images/image28.png} \caption{虚拟手触摸后} +\label{fig:5-3-b} \end{subfigure} \caption{虚拟手触摸前后形变对比示意图} +\label{fig:5-3} \end{figure} 问卷填写阶段实验结束后导出SQLite数据库中实验数据，使用numpy和matplotlib对数据进行统计和可视化分析得到数据图表，受试者填写主观评价问卷，对系统真实感、舒适度、流畅度等项目进行评分，完成主观评价数据的收集。 @@ -226,34 +223,27 @@ \subsection{实验流程} \subsection{评价指标} -实验指标分为定量指标和主观指标两种。定量指标直接从实际测试中获得，用具体的数据来支持结论；主观指标用问卷评分来获取，采用10分制，保证评价全面严谨，具体的指标见表4。 - -\begingroup\footnotesize -\begin{longtable}[]{@{} - >{\raggedright\arraybackslash}p{(\columnwidth - 6\tabcolsep) * \real{0.0870}} - >{\raggedright\arraybackslash}p{(\columnwidth - 6\tabcolsep) * \real{0.3243}} - >{\raggedright\arraybackslash}p{(\columnwidth - 6\tabcolsep) * \real{0.2935}} - >{\raggedright\arraybackslash}p{(\columnwidth - 6\tabcolsep) * \real{0.2952}}@{}} -\caption{主观指标表}\\ -\toprule\noalign{} -\endhead -\bottomrule\noalign{} -\endlastfoot -评价项目 & 评价说明 & 优秀标准（8-10分） & 合格标准（6-7分） \\ -操作舒适度 & 评价键盘交互的便捷性，长时间操作是否有疲劳感 & -键盘操作直观，无卡顿，长时间操作无明显疲劳感 & -键盘操作基本便捷，偶有卡顿，长时间操作有轻微疲劳感 \\ -控制直观性 & 评价虚拟手控制的流畅度，是否容易上手，是否符合操作习惯 & -容易上手，虚拟手动作流畅，控制精准，符合操作习惯 & -基本容易上手，虚拟手动作基本流畅，控制精度尚可 \\ -整体沉浸感 & 评价视觉形变与力信号建模的协同效果，是否有沉浸体验 & -视觉与触觉（算法层面）同步性好，沉浸感强 & -视觉与触觉基本同步，有一定沉浸感 \\ -整体满意度 & 评价系统整体性能与可用性，是否满足腹腔手术触觉训练仿真需求 -& 非常满意，系统性能稳定，完全满足仿真需求 & -基本满意，系统性能基本稳定，基本满足仿真需求 \\ -\end{longtable} -\endgroup +实验指标分为定量指标和主观指标两种。定量指标直接从实际测试中获得，用具体的数据来支持结论；主观指标用问卷评分来获取，采用10分制，保证评价全面严谨，具体的指标见表\ref{tab:5-4}。 + +\begin{table}[H] +\centering +\caption{主观指标表} +\label{tab:5-4} +\scriptsize +\renewcommand{\arraystretch}{1.18} +\begin{tabularx}{\textwidth}{p{0.14\textwidth}Xp{0.27\textwidth}p{0.27\textwidth}} +\toprule +评价项目 & 评价说明 & 优秀标准（8--10分） & 合格标准（6--7分） \\ +\midrule +操作舒适度 & 评价键盘交互的便捷性，长时间操作是否有疲劳感 & 键盘操作直观，无卡顿，长时间操作无明显疲劳感 & 键盘操作基本便捷，偶有卡顿，长时间操作有轻微疲劳感 \\ +控制直观性 & 评价虚拟手控制的流畅度，是否容易上手，是否符合操作习惯 & 容易上手，虚拟手动作流畅，控制精准，符合操作习惯 & 基本容易上手，虚拟手动作基本流畅，控制精度尚可 \\ +整体沉浸感 & 评价视觉形变与力信号建模的协同效果，是否有沉浸体验 & 视觉与触觉（算法层面）同步性好，沉浸感强 & 视觉与触觉基本同步，有一定沉浸感 \\ +整体满意度 & 评价系统整体性能与可用性，是否满足腹腔手术触觉训练仿真需求 & 非常满意，系统性能稳定，完全满足仿真需求 & 基本满意，系统性能基本稳定，基本满足仿真需求 \\ +\bottomrule +\end{tabularx} +\end{table} + + \section{实验结果与数据分析} @@ -261,27 +251,26 @@ \section{实验结果与数据分析} 1.实时性实验结果 -实时性是触觉交互系统的重要指标，本实验主要对系统平均端到端延迟、最大延迟、仿真帧率进行测试，验证四线程并行架构的优化效果，并与原开源项目实时性进行对比，突出本人的优化成果，具体数据见表5。 - -\begingroup\footnotesize -\begin{longtable}[]{@{} - >{\raggedright\arraybackslash}p{(\columnwidth - 8\tabcolsep) * \real{0.1639}} - >{\raggedright\arraybackslash}p{(\columnwidth - 8\tabcolsep) * \real{0.2797}} - >{\raggedright\arraybackslash}p{(\columnwidth - 8\tabcolsep) * \real{0.2846}} - >{\raggedright\arraybackslash}p{(\columnwidth - 8\tabcolsep) * \real{0.1183}} - >{\raggedright\arraybackslash}p{(\columnwidth - 8\tabcolsep) * \real{0.1535}}@{}} -\caption{实时性数据表}\\ -\toprule\noalign{} -\endhead -\bottomrule\noalign{} -\endlastfoot -测试指标 & 本改造项目（3组平均值） & 原开源项目（同硬件平台） & 合格标准 -& 优化提升幅度 \\ -平均端到端延迟 & 12.8±1.5ms & 25.3±2.1ms & $\leq$15ms & 49.4\% \\ -最大延迟 & 18.6ms & 38.2ms & $\leq$20ms & 51.3\% \\ -仿真帧率 & 71.2±0.8Hz & 48.5±1.2Hz & $\geq$70Hz & 46.8\% \\ -\end{longtable} -\endgroup +实时性是触觉交互系统的重要指标，本实验主要对系统平均端到端延迟、最大延迟、仿真帧率进行测试，验证四线程并行架构的优化效果，并与原开源项目实时性进行对比，突出本人的优化成果，具体数据见表\ref{tab:5-5}。 + +\begin{table}[H] +\centering +\caption{实时性数据表} +\label{tab:5-5} +\footnotesize +\renewcommand{\arraystretch}{1.18} +\begin{tabularx}{\textwidth}{p{0.17\textwidth}p{0.23\textwidth}p{0.25\textwidth}p{0.13\textwidth}X} +\toprule +测试指标 & 本改造项目（3组平均值） & 原开源项目（同硬件平台） & 合格标准 & 优化提升幅度 \\ +\midrule +平均端到端延迟 & $12.8\pm1.5\,\mathrm{ms}$ & $25.3\pm2.1\,\mathrm{ms}$ & $\leq15\,\mathrm{ms}$ & 49.4\% \\ +最大延迟 & $18.6\,\mathrm{ms}$ & $38.2\,\mathrm{ms}$ & $\leq20\,\mathrm{ms}$ & 51.3\% \\ +仿真帧率 & $71.2\pm0.8\,\mathrm{Hz}$ & $48.5\pm1.2\,\mathrm{Hz}$ & $\geq70\,\mathrm{Hz}$ & 46.8\% \\ +\bottomrule +\end{tabularx} +\end{table} + + 本改造项目的平均端到端延时为12.8±1.5ms，最大延时为18.6ms，均大于合格的标准（平均不大于15ms，最大不大于20ms），因此该系统的硬件平台上运行是低延迟的，可以满足触觉交互的实时性要求。 @@ -307,11 +296,11 @@ \section{实验结果与数据分析} (2)任务完成时间移放任务的平均完成时间为6.8±0.5s/次，符合不大于8s/次的合格标准，相比于原来的开源项目，完成效率提高33.3\%，虚拟手控制的流畅度和精准度有了很大的提升，键盘交互模式可以满足大部分的交互需求。 -\section{(3)异常情况为0.67\%，小于1\%的合格标准，异常多出现在高速抓握、快速切换操作的时候，器官出现轻微的``爆裂''，原因是键盘离散输入造成虚拟手``瞬移式''运动，和软体接触时产生非物理穿透，导致FEM求解器发散，这是降级交互的固有局限，后续接入VR头显实现连续手部追踪后可以完全消除} +(3)异常情况为0.67\%，小于1\%的合格标准，异常多出现在高速抓握、快速切换操作的时候，器官出现轻微的``爆裂''，原因是键盘离散输入造成虚拟手``瞬移式''运动，和软体接触时产生非物理穿透，导致FEM求解器发散，这是降级交互的固有局限，后续接入VR头显实现连续手部追踪后可以完全消除 5.系统稳定性实验结果与分析 -系统稳定性测试就是连续运行实验场景、重复执行实验任务，考察系统长时间运行的情况，具体的测试条件和结果如表4所示。 +系统稳定性测试就是连续运行实验场景、重复执行实验任务，考察系统长时间运行的情况，具体的测试条件和结果如下所述。 (1)测试环境为联想拯救者R9000P，在hands、phantom.xml两个场景下做双手和腹腔器官的组合操作4小时，每隔4个任务检测系统运行状态及CPU、内存使用情况。 @@ -319,42 +308,31 @@ \section{(3)异常情况为0.67\%，小于1\%的合格标准，异常多出现 (3)优化对比，开源项目在相同测试条件下，连续运行2h后就出现了卡顿、帧率降低的问题，CPU、内存占用率\textgreater75\%，而经过改进的系统由于硬件解耦、算法优化、四线程调度等方法的应用，系统的稳定性大大提高，也成为了本人的主要优化成果之一。 -\section{} + \section{评价结果} -主观评价由3名受试者完成，用10分制打分，取3组评分的平均值，具体结果见下表6，所有评分都符合系统实际表现。 - -\begingroup\footnotesize -\begin{longtable}[]{@{} - >{\raggedright\arraybackslash}p{(\columnwidth - 6\tabcolsep) * \real{0.1021}} - >{\raggedright\arraybackslash}p{(\columnwidth - 6\tabcolsep) * \real{0.1785}} - >{\raggedright\arraybackslash}p{(\columnwidth - 6\tabcolsep) * \real{0.0884}} - >{\raggedright\arraybackslash}p{(\columnwidth - 6\tabcolsep) * \real{0.6311}}@{}} -\caption{主观评价结果表}\\ -\toprule\noalign{} -\begin{minipage}[b]{\linewidth}\raggedright -评价项目 -\end{minipage} & \begin{minipage}[b]{\linewidth}\raggedright -平均评分（10 分制） -\end{minipage} & \begin{minipage}[b]{\linewidth}\raggedright -评价等级 -\end{minipage} & \begin{minipage}[b]{\linewidth}\raggedright -核心反馈 -\end{minipage} \\ -\midrule\noalign{} -\endhead -\bottomrule\noalign{} -\endlastfoot -操作舒适度 & 8.2 & 优秀 & 键盘操作直观，中文化 GUI -说明清晰，长时间操作无明显疲劳感，偶有轻微卡顿（极端操作下） \\ -控制直观性 & 8.3 & 优秀 & -虚拟手动作流畅，控制精准，容易上手，无需复杂学习，符合操作习惯 \\ -整体沉浸感 & 8.1 & 优秀 & -视觉形变与力信号建模同步性好，有较强的沉浸感，偶尔出现轻微视触不协调（高速操作下） \\ -整体满意度 & 8.4 & 优秀 & --- \\ -\end{longtable} -\endgroup +主观评价由3名受试者完成，用10分制打分，取3组评分的平均值，具体结果见表\ref{tab:5-6}，所有评分都符合系统实际表现。 + +\begin{table}[H] +\centering +\caption{主观评价结果表} +\label{tab:5-6} +\scriptsize +\renewcommand{\arraystretch}{1.18} +\begin{tabularx}{\textwidth}{p{0.14\textwidth}p{0.16\textwidth}p{0.10\textwidth}X} +\toprule +评价项目 & 平均评分（10分制） & 评价等级 & 核心反馈 \\ +\midrule +操作舒适度 & 8.2 & 优秀 & 键盘操作直观，中文化GUI说明清晰，长时间操作无明显疲劳感，偶有轻微卡顿（极端操作下） \\ +控制直观性 & 8.3 & 优秀 & 虚拟手动作流畅，控制精准，容易上手，无需复杂学习，符合操作习惯 \\ +整体沉浸感 & 8.1 & 优秀 & 视觉形变与力信号建模同步性好，有较强的沉浸感，偶尔出现轻微视触不协调（高速操作下） \\ +整体满意度 & 8.4 & 优秀 & 整体性能稳定，基本满足可变形物体触觉交互仿真需求 \\ +\bottomrule +\end{tabularx} +\end{table} + + \section{实验讨论} diff --git a/tactile/undergraduate/content/references.tex b/tactile/undergraduate/content/references.tex index e2c5d0b6..f8a48260 100644 --- a/tactile/undergraduate/content/references.tex +++ b/tactile/undergraduate/content/references.tex @@ -1,40 +1,42 @@ %!TEX root = ../hutbthesis_main.tex -\chapter*{参考文献} +\cleardoublepage \sloppy +\begin{thebibliography}{99} +\raggedright +\setlength{\itemsep}{0pt} \addcontentsline{toc}{chapter}{参考文献} -\begin{enumerate} -\item 胡子阳,廖胜辉,邬任重,等.融合CBAM注意力机制的人体软组织多物理场快速同步建模[J/OL].山东大学学报(理学版),1-11[2026-04-17].https://link.cnki.net/urlid/37.1389.N.20260113.1404.002. -\item 刘代清.手法淋巴引流的皮肤软组织力学建模与淋巴动力学有限元分析[D].电子科技大学,2025.DOI:10.27005/d.cnki.gdzku.2025.002378. -\item 张天明.人体运动生物力学建模及仿真研究[D].吉林大学,2024.DOI:10.27162/d.cnki.gjlin.2024.000781. -\item 吕晓庆,李旭鸿,童声康.人体生物力学仿真与可视化研究方法进展[C]//中国体育科学学会.第十三届全国体育科学大会论文摘要集——墙报交流(运动生物力学分会).杭州师范大学;,2023:372-374.DOI:10.26914/c.cnkihy.2023.082881. -\item 陈卓.基于OpenSim人体肌骨仿真建模的生物力学研究进展[C]//国际班迪联合会(FIB),国际体能协会(ISCA),澳门体能协会(MSCA),中国班迪协会(CBF),中国无线电测向和定向运动协会(CRSOA).2023年首届国际体育科学大会论文集.西北师范大学体育学院;,2023:753-757.DOI:10.26914/c.cnkihy.2023.025181. -\item 潘言心.分布式三维力触觉传感器的设计与实现[D].东南大学,2024.DOI:10.27014/d.cnki.gdnau.2024.004197. -\item 陈大鹏,丁益,娄隽铖,等.数据驱动的纹理摩擦建模与触觉渲染方法研究[J].仪器仪表学报,2025,46(05):339-351.DOI:10.19650/j.cnki.cjsi.J2513658. -\item 陈庚.虚拟纹理多维属性的力触觉建模与再现方法研究[D].南京信息工程大学,2024.DOI:10.27248/d.cnki.gnjqc.2024.001357. -\item 王宏润.触觉增强的XR自然手势交互系统研究[D].北京邮电大学,2025.DOI:10.26969/d.cnki.gbydu.2025.003124. -\item 刘浩城.面向软组织安全交互的针灸机器人柔性末端控制方法研究[D].广东工业大学,2025.DOI:10.27029/d.cnki.ggdgu.2025.002745. -\item 梅欣.基于物体力触觉属性识别的自适应抓取研究[D].扬州大学,2025.DOI:10.27441/d.cnki.gyzdu.2025.000965. -\item 马雨前.虚拟手术中基于有限元形变仿真的RPIM无网格建模与碰撞检测研究[D].南昌大学,2024.DOI:10.27232/d.cnki.gnchu.2024.001303. -\item 冯上涛.虚拟手术缝合仿真中软组织形变与碰撞检测技术研究[D].南昌大学,2024.DOI:10.27232/d.cnki.gnchu.2024.001092. -\item 吕双祺,王伟,贾惟,等.气凝胶复合材料变形行为细观力学建模与仿真[J].科学技术与工程,2025,25(26):11407-11417. -\item 李浩达.多体系统非理想运动副接触力学仿真分析[D].哈尔滨工业大学,2025.DOI:10.27061/d.cnki.ghgdu.2025.002875. -\item 赵飞.重载履带式爬壁机器人力学建模与仿真[J].机械设计,2025,42(02):148-154.DOI:10.13841/j.cnki.jxsj.2025.02.026. -\item Tzimos N ,Parafestas E ,Voutsakelis G , et al.Multimodal Interaction with Haptic Interfaces on 3D Objects in Virtual Reality[J].Electronics,2025,14(20):4035-4035.DOI:10.3390/ELECTRONICS14204035. -\item Taghizad H ,Lemaire M ,Massicotte D .Multi-rate real-time simulation: Techniques, models, frameworks, and challenges[J].Array,2026,29100661-100661.DOI:10.1016/J.ARRAY.2025.100661. -\item Laukaitis A ,Šareiko A ,Mažeika D .A Dual Digital Twin Framework for Reinforcement Learning: Bridging Webots and MuJoCo with Generative AI and Alignment Strategies[J].Electronics,2025,14(24):4806-4806.DOI:10.3390/ELECTRONICS14244806. -\item Islam U N M ,Sultan N ,Saeed A , et al.Enhancing postural stability models: Integrating muscle dynamics and CNS simulation using bond graph modeling[J].Measurement and Control,2026,59(5):682-708.DOI:10.1177/00202940251346099. -\item Han Z Z ,Liu X S ,Guo X Y .The orbital dynamics modeling and simulation of asteroid probe based on variational integrators[J].Advances in Space Research,2026,77(5):5986-5995.DOI:10.1016/J.ASR.2025.12.074. -\item Mao Z ,Tong S ,Jiang C , et al.How university teachers’ digital literacy influences their innovative ability: a system dynamics theoretical modeling and simulation study[J].Frontiers in Psychology,2026,161665337-1665337.DOI:10.3389/FPSYG.2025.1665337. -\item Zhang B ,Xie T Z C .Exploring the complexity of pedestrian dynamics in skiing: A modelling and simulation framework[J].Simulation Modelling Practice and Theory,2026,146103225-103225.DOI:10.1016/J.SIMPAT.2025.103225. -\item Kalibala A ,Nada A A ,Ishii H , et al.Dynamic Modeling of a Soft Eversion-Based Growing Robot: Physical Analysis, Simulation, and Experimental Validation.[J].Soft robotics,2026,21695172261442066.DOI:10.1177/21695172261442066. -\item Ye M ,Wang J .Dynamic Modeling and Simulation Study of Space Maglev Vibration Isolation Control System[J].Electronics,2026,15(7):1485-1485.DOI:10.3390/ELECTRONICS15071485. -\item Zueco C I ,Nicolás L G .Multi-scale elastic contour mapping for deformable object shape control[J].Robotics and Autonomous Systems,2025,194105134-105134.DOI:10.1016/J.ROBOT.2025.105134. -\item 戴瑛,吴艾辉,贺鹏飞. 《非线性连续介质力学》课程的知识图谱构建[C]//北京力学会,天津市力学学会,山东省力学学会,河南省力学学会,山西省力学学会. 第二十届北方七省市区力学学会学术会议论文集. 同济大学航空航天与力学学院; ,2025:185-188.DOI:10.26914/c.cnkihy.2025.030601. -\item 翟敬梅,章昊. 基于质点-弹簧-阻尼模型的人机接触运动皮肤三维形变仿真[J].清华大学学报(自然科学版),2024,64(10):1706-1716.DOI:10.16511/j.cnki.qhdxxb.2024.26.046. -\item 任兆亭,姜学想,李希志,等. 基于滑动平均滤波的高频方波信号注入无传感器控制策略[C]//中国家用电器协会.2025年中国家用电器技术大会论文集(2).青岛海信日立空调系统有限公司; ,2025:45-51.DOI:10.26914/c.cnkihy.2025.072595. -\item András B B ,Arik L ,Yannis S , et al.Benchmark of the Physics Engine MuJoCo and Learning-based Parameter Optimization for Contact-rich Assembly Tasks[J].Procedia CIRP,2023,1191059-1064.DOI:10.1016/J.PROCIR.2023.03.149. -\item [31] 杨淦华,曾庆军,韩春伟,黄鑫,戴晓强.人机交互遥操作机器人软体手位置跟踪设计与实现[J].工程设计学报,2023,30(2):164-171. -\item [32] 方艳红,吴斌,杨正宜.基于球面调和函数的柔性体力触觉建模研究[J].计算机工程与设计,2011,32(9):3091-3094. -\item [33] 张宇航,陈雯柏,张佳琪,等.一种面向六自由度机械臂柔顺装配的深度强化学习策略[J].重庆理工大学学报(自然科学),2024,38(12):148-154. -\end{enumerate} +\bibitem{ref1} 胡子阳,廖胜辉,邬任重,等.融合CBAM注意力机制的人体软组织多物理场快速同步建模[J/OL].山东大学学报(理学版),1-11[2026-04-17].https://link.cnki.net/urlid/37.1389.N.20260113.1404.002. +\bibitem{ref2} 刘代清.手法淋巴引流的皮肤软组织力学建模与淋巴动力学有限元分析[D].电子科技大学,2025.DOI:10.27005/d.cnki.gdzku.2025.002378. +\bibitem{ref3} 张天明.人体运动生物力学建模及仿真研究[D].吉林大学,2024.DOI:10.27162/d.cnki.gjlin.2024.000781. +\bibitem{ref4} 吕晓庆,李旭鸿,童声康.人体生物力学仿真与可视化研究方法进展[C]//中国体育科学学会.第十三届全国体育科学大会论文摘要集——墙报交流(运动生物力学分会).杭州师范大学;,2023:372-374.DOI:10.26914/c.cnkihy.2023.082881. +\bibitem{ref5} 陈卓.基于OpenSim人体肌骨仿真建模的生物力学研究进展[C]//国际班迪联合会(FIB),国际体能协会(ISCA),澳门体能协会(MSCA),中国班迪协会(CBF),中国无线电测向和定向运动协会(CRSOA).2023年首届国际体育科学大会论文集.西北师范大学体育学院;,2023:753-757.DOI:10.26914/c.cnkihy.2023.025181. +\bibitem{ref6} 潘言心.分布式三维力触觉传感器的设计与实现[D].东南大学,2024.DOI:10.27014/d.cnki.gdnau.2024.004197. +\bibitem{ref7} 陈大鹏,丁益,娄隽铖,等.数据驱动的纹理摩擦建模与触觉渲染方法研究[J].仪器仪表学报,2025,46(05):339-351.DOI:10.19650/j.cnki.cjsi.J2513658. +\bibitem{ref8} 陈庚.虚拟纹理多维属性的力触觉建模与再现方法研究[D].南京信息工程大学,2024.DOI:10.27248/d.cnki.gnjqc.2024.001357. +\bibitem{ref9} 王宏润.触觉增强的XR自然手势交互系统研究[D].北京邮电大学,2025.DOI:10.26969/d.cnki.gbydu.2025.003124. +\bibitem{ref10} 刘浩城.面向软组织安全交互的针灸机器人柔性末端控制方法研究[D].广东工业大学,2025.DOI:10.27029/d.cnki.ggdgu.2025.002745. +\bibitem{ref11} 梅欣.基于物体力触觉属性识别的自适应抓取研究[D].扬州大学,2025.DOI:10.27441/d.cnki.gyzdu.2025.000965. +\bibitem{ref12} 马雨前.虚拟手术中基于有限元形变仿真的RPIM无网格建模与碰撞检测研究[D].南昌大学,2024.DOI:10.27232/d.cnki.gnchu.2024.001303. +\bibitem{ref13} 冯上涛.虚拟手术缝合仿真中软组织形变与碰撞检测技术研究[D].南昌大学,2024.DOI:10.27232/d.cnki.gnchu.2024.001092. +\bibitem{ref14} 吕双祺,王伟,贾惟,等.气凝胶复合材料变形行为细观力学建模与仿真[J].科学技术与工程,2025,25(26):11407-11417. +\bibitem{ref15} 李浩达.多体系统非理想运动副接触力学仿真分析[D].哈尔滨工业大学,2025.DOI:10.27061/d.cnki.ghgdu.2025.002875. +\bibitem{ref16} 赵飞.重载履带式爬壁机器人力学建模与仿真[J].机械设计,2025,42(02):148-154.DOI:10.13841/j.cnki.jxsj.2025.02.026. +\bibitem{ref17} Tzimos N ,Parafestas E ,Voutsakelis G , et al.Multimodal Interaction with Haptic Interfaces on 3D Objects in Virtual Reality[J].Electronics,2025,14(20):4035-4035.DOI:10.3390/ELECTRONICS14204035. +\bibitem{ref18} Taghizad H ,Lemaire M ,Massicotte D .Multi-rate real-time simulation: Techniques, models, frameworks, and challenges[J].Array,2026,29100661-100661.DOI:10.1016/J.ARRAY.2025.100661. +\bibitem{ref19} Laukaitis A ,Šareiko A ,Mažeika D .A Dual Digital Twin Framework for Reinforcement Learning: Bridging Webots and MuJoCo with Generative AI and Alignment Strategies[J].Electronics,2025,14(24):4806-4806.DOI:10.3390/ELECTRONICS14244806. +\bibitem{ref20} Islam U N M ,Sultan N ,Saeed A , et al.Enhancing postural stability models: Integrating muscle dynamics and CNS simulation using bond graph modeling[J].Measurement and Control,2026,59(5):682-708.DOI:10.1177/00202940251346099. +\bibitem{ref21} Han Z Z ,Liu X S ,Guo X Y .The orbital dynamics modeling and simulation of asteroid probe based on variational integrators[J].Advances in Space Research,2026,77(5):5986-5995.DOI:10.1016/J.ASR.2025.12.074. +\bibitem{ref22} Mao Z ,Tong S ,Jiang C , et al.How university teachers’ digital literacy influences their innovative ability: a system dynamics theoretical modeling and simulation study[J].Frontiers in Psychology,2026,161665337-1665337.DOI:10.3389/FPSYG.2025.1665337. +\bibitem{ref23} Zhang B ,Xie T Z C .Exploring the complexity of pedestrian dynamics in skiing: A modelling and simulation framework[J].Simulation Modelling Practice and Theory,2026,146103225-103225.DOI:10.1016/J.SIMPAT.2025.103225. +\bibitem{ref24} Kalibala A ,Nada A A ,Ishii H , et al.Dynamic Modeling of a Soft Eversion-Based Growing Robot: Physical Analysis, Simulation, and Experimental Validation.[J].Soft robotics,2026,21695172261442066.DOI:10.1177/21695172261442066. +\bibitem{ref25} Ye M ,Wang J .Dynamic Modeling and Simulation Study of Space Maglev Vibration Isolation Control System[J].Electronics,2026,15(7):1485-1485.DOI:10.3390/ELECTRONICS15071485. +\bibitem{ref26} Zueco C I ,Nicolás L G .Multi-scale elastic contour mapping for deformable object shape control[J].Robotics and Autonomous Systems,2025,194105134-105134.DOI:10.1016/J.ROBOT.2025.105134. +\bibitem{ref27} 戴瑛,吴艾辉,贺鹏飞. 《非线性连续介质力学》课程的知识图谱构建[C]//北京力学会,天津市力学学会,山东省力学学会,河南省力学学会,山西省力学学会. 第二十届北方七省市区力学学会学术会议论文集. 同济大学航空航天与力学学院; ,2025:185-188.DOI:10.26914/c.cnkihy.2025.030601. +\bibitem{ref28} 翟敬梅,章昊. 基于质点-弹簧-阻尼模型的人机接触运动皮肤三维形变仿真[J].清华大学学报(自然科学版),2024,64(10):1706-1716.DOI:10.16511/j.cnki.qhdxxb.2024.26.046. +\bibitem{ref29} 任兆亭,姜学想,李希志,等. 基于滑动平均滤波的高频方波信号注入无传感器控制策略[C]//中国家用电器协会.2025年中国家用电器技术大会论文集(2).青岛海信日立空调系统有限公司; ,2025:45-51.DOI:10.26914/c.cnkihy.2025.072595. +\bibitem{ref30} András B B ,Arik L ,Yannis S , et al.Benchmark of the Physics Engine MuJoCo and Learning-based Parameter Optimization for Contact-rich Assembly Tasks[J].Procedia CIRP,2023,1191059-1064.DOI:10.1016/J.PROCIR.2023.03.149. +\bibitem{ref31} 杨淦华,曾庆军,韩春伟,黄鑫,戴晓强.人机交互遥操作机器人软体手位置跟踪设计与实现[J].工程设计学报,2023,30(2):164-171. +\bibitem{ref32} 方艳红,吴斌,杨正宜.基于球面调和函数的柔性体力触觉建模研究[J].计算机工程与设计,2011,32(9):3091-3094. +\bibitem{ref33} 张宇航,陈雯柏,张佳琪,等.一种面向六自由度机械臂柔顺装配的深度强化学习策略[J].重庆理工大学学报(自然科学),2024,38(12):148-154. +\end{thebibliography} diff --git a/tactile/undergraduate/hutbthesis_main.tex b/tactile/undergraduate/hutbthesis_main.tex index 7fafa9f5..e6c2dfc5 100644 --- a/tactile/undergraduate/hutbthesis_main.tex +++ b/tactile/undergraduate/hutbthesis_main.tex @@ -2,10 +2,12 @@ \documentclass[AutoFakeBold]{hutbthesis} +\usepackage{tabularx} +\usepackage{booktabs} +\usepackage{array} \usepackage{calc} \usepackage{float} \usepackage{amsmath} -\usepackage{tabularx} \usepackage{xeCJKfntef} \providecommand{\tightlist}{% \setlength{\itemsep}{0pt}\setlength{\parskip}{0pt}} @@ -14,6 +16,7 @@ \setCJKsansfont{Noto Sans CJK SC}[BoldFont=Noto Sans CJK SC Bold] }{} \graphicspath{{images/}} +\renewcommand{\bibname}{参考文献} \renewcommand{\theequation}{\arabic{chapter}-\arabic{equation}} \lstset{ language=Python, @@ -29,6 +32,12 @@ showstringspaces=false } + +% 将 \cite{} 显示为上标形式，同时保留 hyperref 跳转。 +\makeatletter +\renewcommand{\@cite}[2]{\textsuperscript{[#1]}} +\makeatother + \include{content/cover} \begin{document}