昆虫启发的高效事件驱动触觉特征分类

触觉感知使人类和动物能够在探索过程中检测并区分特征，并引导与情境相适应的行为。与传统触觉传感器相比，动物对触觉特征的感知在根本上是通过脉冲进行的事件驱动式过程。然而，传感器力学如何塑造与触觉感知相关的脉冲活动，仍缺乏充分理解。受美洲大蠊——一种触觉专长昆虫——的启发，我们构建了一个神经力学框架，将触角的被动力学、机械感觉编码以及基于脉冲的计算联系起来。 一个基于物理的触角弯曲模型模拟了接触过程中时空应变模式，这些模式通过依据电生理记录校准的“应变到放电”映射被编码为脉冲序列。该模型通过再现多个接触位置和速度条件下群体水平神经响应的关键特征，成功捕捉了体内观测到的触角神经活动。与传统基于阈值的编码方式相比，受昆虫启发的脉冲编码器在实现更稀疏活动的同时，保留了触觉信号的时空结构。 为了建立脉冲活动与感知之间的联系，我们训练了一个脉冲神经网络，直接根据预测的脉冲序列对接触位置和速度进行分类。该网络在降低计算需求的同时实现了超过95%的准确率，并能够在接触后的前170毫秒内完成快速辨别，这表明稀疏的事件驱动编码支持快速且可靠的触觉感知。总体而言，这些结果在传感器力学与神经计算之间建立了机制性桥梁，揭示了物理相互作用如何塑造高效的感觉编码。该综合框架推进了我们对触觉感知的理解，并为节能型神经形态触觉系统提供了设计原则。

本网站正在使用一项安全服务来保护自身免受在线攻击。您刚刚执行的操作触发了该安全解决方案。可能触发此拦截的行为包括提交某些特定词语或短语、SQL 命令或格式错误的数据。

您可以向网站所有者发送电子邮件，告知其您已被拦截。请在邮件中说明当该页面出现时您正在进行的操作，并附上本页底部显示的 Cloudflare Ray ID。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.18.733073v1?rss=1

🏷️ 触觉感知 事件驱动编码 脉冲神经网络 神经力学建模 昆虫启发 神经形态计算