日本研究团队开发HaptoFlow模型，实现VR高保真实时触觉生成
VR高保真实时触觉生成
（映维网Nweon 2026年08月17日）一支日本研究团队提出了一种名为HaptoFlow的新型振动触觉生成模型。模型基于流匹配（Flow Matching）技术，能够在VR环境中实现高保真、低延迟的实时触觉反馈。
触觉反馈广泛应用于增强VR环境的沉浸感，但为多样化的交互条件设计触觉刺激一直面临可扩展性难题。现有的数据驱动触觉生成模型在波形表现力和推理响应速度之间存在固有矛盾，这一问题随着训练数据规模和多样性的增加而愈发突出。
针对这一挑战，团队将HaptoFlow模型用于VR中的交互式实时触觉渲染。模型以材料标签和交互参数（滑动速度与施加力）为条件进行训练，能够根据这些输入实时生成相应的振动触觉波形。
HaptoFlow基于流匹配技术，通过学习一个连续向量场，将基础分布转换为目标数据分布，从而高效地表示复杂的触觉数据分布。模型架构包含一个流匹配模块和一个信号编码器-解码器。流匹配模块采用U-Net骨干网络，在潜空间中估计条件向量场；信号编码器-解码器则使用预训练的EnCodec模型，将触觉波形压缩为紧凑的潜表示，以降低训练成本和推理延迟。
研究团队在Cluster Haptic Texture Dataset上对模型进行了训练。其中，数据集包含118种材料、覆盖10个类别的振动触觉波形及相关交互参数。
技术评估结果显示，HaptoFlow在波形复现精度（GFC达到0.96）和推理延迟（5.2毫秒）方面均优于Transformer、DSTN和SPSI等基线方法。
研究团队进行了两项用户研究。在延迟感知研究中，24名参与者佩戴VR头显并使用触觉笔进行测试。结果显示，视觉-触觉延迟的感知阈值为开启条件130.3毫秒、关闭条件107.7毫秒。HaptoFlow的端到端系统总延迟约为22毫秒，远低于上述阈值，表明用户在使用该系统时不会感知到视觉与触觉之间的不同步。
在触觉感知相似性研究中，参与者对真实物体与虚拟物体产生的触觉感受进行相似性评分。结果表明，对于陶瓷和黄麻等硬质、高粗糙度材料，HaptoFlow生成的触觉刺激获得了更高的感知相似性评分。
HaptoFlow的应用场景包括VR环境中的可扩展触觉创作和产品表面纹理设计支持。开发者只需为虚拟对象分配材料标签并传递交互参数，即可即时生成相应的触觉波形，无需为每种材料手动设计波形。
相关论文：HaptoFlow: High-Fidelity Real-Time Vibrotactile Generation via Flow Matching for Virtual Reality
当然，研究团队指出，当前模型仍存在一定局限性，包括训练数据多样性不足和触觉执行器带宽有限等问题，这些因素限制了感知保真度的进一步提升。未来的工作将聚焦于扩展训练数据、结合执行器感知生成以及丰富条件输入模态等方向。
