机器人触觉传感专题/ 假设演练：触觉材质分类的独立验证

假设演练：触觉材质分类的独立验证

假设应用演练：说明条件、实际路线和判断方法，非已交付客户案例。

任务与实施方法

假设团队对三种材料各做十次接触，每次采一百帧。演练先建立物体和接触事件编号，再决定训练与验证划分，不把三千帧视为三千次独立实验。标签依据与采集条件同时保留。

路线一随机拆分帧只用于调试，能排查代码，却不代表跨接触、跨物体表现。路线二针对三种已知材质，各类都保留训练样本，按接触事件分组；若有足够独立物体，再在各材质内留新物体。后者增加采集成本，却更接近换物体使用。整类材料留出会引入未知类别，必须另设未知材质拒识任务，不能沿用普通三类准确率。

出发前给物体、材料、接触事件和帧独立编号，保存安装、参考与标签来源。划分按目标固定，训练调试与最终验证分别使用，不在看到验证结果后反复挑阈值还保留独立称谓。记录失败、中止和剔除原因，类别统计给分母；保留原始帧和模型版本，让同一次接触不会无意进入两侧。

本例3×10×100=3000帧，但只有30次接触。每类6次训练、2次调试、2次验证，则共18、6、6个事件，三类在训练中均有代表；这只是事件级划分，不证明验证用了新物体。若另做未知材质拒识，应预先约定未知输出与评价，再用独立未知样本测误拒、漏拒，不能看到结果后挑阈值。三千帧不等于三千次独立实验。

事件级划分不能自动变成跨器件评价。若只用同一贴片和同一安装，明确它没有覆盖换胶体、保护层或新传感器的变化。

若同一次接触跨越训练和验证，返回划分；若目标是跨物体使用，至少明确哪些物体未参与调试。验收报告每组事件数、材料、失败和排除理由，而非只有总体百分比。本练习没有真实实验结果，也不宣称任何模型达到具体性能。

报告训练、调试和独立验证各自的事件与物体数量，排除片段列原因；多帧不能自动增加独立材料或器件样本数。

同次接触连续帧可能共享采集条件，应按事件分组，避免泄漏；同类新物体验证还需物体编号和足够独立物体。三类已知任务分别报告各类错误和无法判断；开放集任务另报未知拒识结果。若仅有同一物体或器件，结论不扩成通用材质理解、跨传感器性能。分组原则参考scikit-learn，未知类任务区分参考开放集原论文。

1. 材料物体与接触事件编号
2. 标签参考及采集安装条件
3. 训练调试验证的预先划分

Bendale and Boult: Towards Open Set Deep Networks
https://arxiv.org/abs/1511.06233

产品、场景、条件与期望结果，我们一起梳理。