触觉感知在机器人操作中扮演着关键角色，尤其是在表面检测等任务中。成功执行这类任务需要在保持接触的同时精确跟踪物体轮廓。为此，来自西班牙的研究团队提出了一种名为VBT-MPC的框架，即基于视觉触觉的模型预测控制，专门用于机器人轮廓跟踪。该方法的核心在于将视觉触觉传感器（VBTS）安装在眼在手配置中，使传感器能够随机器人末端执行器移动并实时捕捉触觉信息。相关论文已被IEEE Robotics and Automation Letters接收，并作为预印本发布在arXiv上。
传统的轮廓跟踪方法通常依赖于单独的位姿估计模块或复杂的力控制架构，这增加了系统的复杂性和计算负担。VBT-MPC的创新之处在于它直接在轮廓特征空间中运行，从而绕过了这些中间步骤。具体来说，控制器利用从触觉图像中提取的轮廓特征来预测未来的接触状态，并优化控制指令以最小化跟踪误差。这种设计不仅简化了系统架构，还提高了响应速度和对不同物体的适应性。
为了验证VBT-MPC的有效性，研究团队将其与适配触觉特征的视觉伺服策略进行了对比。视觉伺服是一种常见的机器人控制方法，通过视觉反馈来调整机器人运动。然而，在触觉领域，直接将视觉伺服应用于触觉特征需要解决特征匹配和尺度变化等问题。VBT-MPC通过模型预测控制框架自然地处理了这些挑战，并在仿真和真实世界实验中均表现出更好的跟踪性能。
实验涵盖了多种几何形状和材质的物体，包括规则形状如圆柱和方块，以及不规则形状如自由曲面。在仿真中，团队使用高保真物理引擎模拟触觉传感器的输出，并测试了控制器在不同噪声水平和接触条件下的鲁棒性。在真实实验中，他们搭建了一个配备VBTS的机械臂系统，并让他跟踪一系列物体的边缘。结果表明，VBT-MPC能够保持稳定的接触力并精确跟随轮廓，即使在物体表面存在轻微不平整或材质变化的情况下也是如此。
该研究得到了Interreg-VI Sudoe和欧洲区域发展基金通过REMAIN项目（资助号S1/1.1/E0111）的支持。论文的第一作者为Edison Velasco-Sanchez，另有三位合著者。预印本于2026年5月19日提交至arXiv，全文可通过PDF或实验性HTML版本获取。这项工作为触觉伺服提供了一种新的思路，有望推动机器人表面检测、抛光、装配等应用的发展。未来工作可能包括将框架扩展到更复杂的触觉特征以及多传感器融合。