TaCo: 이질적인 촉각 데이터의 무손실 및 손실 압축 코덱을 위한 벤치마크

TaCo: A Benchmark for Lossless and Lossy Codecs of Heterogeneous Tactile Data

촉각 센싱은 복잡한 환경에서 정밀한 인지 및 제어를 제공하여 로봇의 지능에 매우 중요합니다. 그러나 실시간 로봇 응용 분야에서 엄격한 대역폭 제약 조건 하에서 필수적인 효율적인 촉각 데이터 압축은 아직 충분히 연구되지 않았습니다. 촉각 데이터의 고유한 이질성과 시공간 복잡성은 이러한 과제를 더욱 어렵게 만듭니다. 이러한 격차를 해소하기 위해, 우리는 촉각 데이터 코덱을 위한 최초의 종합 벤치마크인 TaCo를 소개합니다. TaCo는 다양한 센서 유형에서 수집된 5가지 다양한 데이터 세트를 사용하여 상용 압축 알고리즘 및 신경망 코덱을 포함한 30가지 압축 방법을 평가합니다. 우리는 무손실 및 손실 압축 방식을 모두 사용하여 네 가지 주요 작업(무손실 저장, 인간 시각화, 물질 및 객체 분류, 숙련된 로봇 그리핑)에 대해 체계적으로 평가합니다. 특히, 우리는 촉각 데이터에 특화되어 학습된 데이터 기반 코덱인 TaCo-LL(무손실) 및 TaCo-L(손실)을 개발했습니다. 결과는 TaCo-LL 및 TaCo-L의 우수한 성능을 입증했습니다. 이 벤치마크는 압축 효율성과 작업 성능 간의 중요한 균형을 이해하는 데 필요한 기초 프레임워크를 제공하며, 촉각 인지 분야의 미래 발전을 위한 길을 열어줍니다.

Tactile sensing is crucial for embodied intelligence, providing fine-grained perception and control in complex environments. However, efficient tactile data compression, which is essential for real-time robotic applications under strict bandwidth constraints, remains underexplored. The inherent heterogeneity and spatiotemporal complexity of tactile data further complicate this challenge. To bridge this gap, we introduce TaCo, the first comprehensive benchmark for Tactile data Codecs. TaCo evaluates 30 compression methods, including off-the-shelf compression algorithms and neural codecs, across five diverse datasets from various sensor types. We systematically assess both lossless and lossy compression schemes on four key tasks: lossless storage, human visualization, material and object classification, and dexterous robotic grasping. Notably, we pioneer the development of data-driven codecs explicitly trained on tactile data, TaCo-LL (lossless) and TaCo-L (lossy). Results have validated the superior performance of our TaCo-LL and TaCo-L. This benchmark provides a foundational framework for understanding the critical trade-offs between compression efficiency and task performance, paving the way for future advances in tactile perception.