في عالم الروبوتات، يعتمد النجاح بشكل كبير على قدرات الحساسات التي تستخدمها. ومع ذلك، فإن تدريب نماذج التعلم الآلي (Machine Learning) على حساسات اللمس يعد أمرًا صعبًا بسبب الحاجة الكبيرة لبيانات تفاعلية واقعية. ومن هنا، تبرز الحاجة إلى محاكاة فعالة للحساسات لتعزيز سرعة وكفاءة التدريب.

**SPLIT** (محاكاة اللمس باستخدام الرياضيات الخفية) هو نهج مبتكر يهدف إلى حل هذه المشكلة. يتمحور حول جهاز استشعار DIGIT، حيث تستخدم هذه التقنية استراتيجية رياضية تعتمد على فضاء latency لتفكيك هندسة الاتصال عن الخصائص البصرية الخاصة بالجهاز.

بدلاً من الحاجة إلى إعادة المعايرة مع كل وحدة جديدة، يوفر SPLIT القدرة على التكيف مع بيئات DIGIT المتنوعة، ويمكنه أيضًا نقل البيانات إلى حساسات أخرى مثل GelSight R1.5 دون الحاجة إلى إعادة تدريب شامل للنموذج. بالإضافة إلى ذلك، يحقق SPLIT سرعة استنتاج تفوق الحلول الحالية، مما يجعله خيارًا جذابًا لمراكز الأبحاث.

كما يتم تقديم محاكاة محسوبة باستخدام طريقة العنصر المحدود (Finite Element Method - FEM) للشبكات المرنة، مع دقة قابلة للتعديل تتيح تجارة بين السرعة والموثوقية. يدعم خوارزمنا أيضًا المحاكاة ثنائية الاتجاه، مما يتيح إنتاج صور واقعية من شبكات التشويه وإعادة بناء الشبكات من الصور اللمسية.

إن تعددية استخدام تقنية SPLIT تقدم أداة قيمة تسرع من تقدم أبحاث الاستشعار اللمسي في الروبوتات، مما يعد باستكشافات واكتشافات جديدة في هذا المجال.