你做触觉研究，还在手动一个个帧看数据？还在为不同传感器的数据格式头疼？试试 TouchLabel AI，一行命令安装，三行代码跑通，22维特征自动提取+可视化面板+AI预标注，全搞定。

这是什么？

TouchLabel AI（tlabel）是一个传感器无关的触觉数据标注工具包，一句话概括：

不管你用什么触觉传感器，同一套API完成加载、标注、导出。

目前支持 4 种主流传感器：

• GelSight（视觉触觉）
• DIGIT（Meta 视觉触觉）
• 帕西尼 PaXini（高密度阵列）
• 戴盟 Daimon（视频+力觉）

安装

pip install tlabel[all]

⚠️ 如果用清华镜像源遇到旧版本或缺包问题，建议用官方源：

pip install tlabel[all] -i https://pypi.org/simple/

5分钟体验：内置Demo

不想折腾数据？内置了4组合成Demo数据，开箱即用。

打开 Jupyter Notebook，依次运行：

import tlabel

# 查看可用的Demo
tlabel.list_demos()
# ['gelsight', 'digit', 'paxini', 'daimon']

# 加载一个Demo
data = tlabel.demo('gelsight')

# 打开交互面板
data.review()

面板直接嵌在 Notebook 里，支持：

• 🎚️ 时间线拖拽 — 逐帧浏览触觉数据
• 📊 22维雷达图 — 一眼看清特征分布
• ✏️ 手动标注 — 点击修正任何维度
• 🔄 批量修正 — 选帧范围+字段，一次改完

加载你自己的数据

有真实数据？一样简单：

import tlabel

# GelSight / DIGIT
data = tlabel.load("gelsight_force.pkl")

# 帕西尼
data = tlabel.load("paxini_episode.h5")

# 戴盟（目录或单个parquet）
data = tlabel.load("daimon_data/")

# 打开面板
data.review()

tlabel.load() 会自动识别传感器格式，无需手动指定。

AI预标注：让规则先干一版

手动标几百帧还行，几万帧就崩溃了。用AI预标注先过一遍：

from tlabel.predict import PredictEngine

# 创建引擎
engine = PredictEngine()

# 从数据中学习统计特征（可选，提升准确率）
engine.fit(data)

# 预标注
results = engine.predict(data)

# 只应用置信度≥0.7的预测
applied = engine.apply(data, results, min_confidence=0.7)
print(f"预标注了 {applied} 个字段")

# 看看预标注统计
summary = engine.summary(results)
print(summary)

预标注引擎基于规则+统计推断：

• contact检测：力+形变+接触面积多信号融合
• slip检测：剪切力+力变化+滑移熵综合判断
• manipulation_phase推断：自动识别"接触→稳定→滑移"阶段
• 缺失维度补全：有contact但某维度为0？用统计均值补上

置信度低的会自动标记，你只需要检查那些拿不准的帧就行。

导出标注结果

# 导出为TLabel Format JSON
data.export("annotated_output.json")

# 也可以导出为CSV
data.export("annotated_output.csv")

22维特征一览

tlabel统一提取22维触觉特征，分四大类：

类别	维度	说明
接触与力	contact, deformation_magnitude, force_magnitude, force_peak, force_direction, contact_area, centroid_x	核心力学特征
滑移与纹理	slip_entropy, slip_event, texture_energy, edge_density	动态与表面特征
力场与变化	normal_field_magnitude, normal_field_variance, shear_field_magnitude, shear_field_direction, delta_force_normal, delta_force_shear, friction_cone_ratio	法向/剪切力场
时序特征	optical_flow_magnitude, optical_flow_direction, temporal_deformation_rate, contact_transition	4维时序变化

面板操作技巧

1. 帧导航：点击时间线跳转，或用 ◀ ▶ 按钮逐帧浏览
2. 批量修正：在"区间批量修正"区域选择帧范围+字段+新值，一键应用
3. 雷达图：每帧自动更新，直观对比不同帧的特征差异
4. 帧详情：右侧面板显示当前帧所有维度的精确数值

常见问题

Q: pip install 装到旧版本？

清华/阿里等镜像源同步有延迟（1-2天），用官方源安装最新版

pip install tlabel[all] -i https://pypi.org/simple/

Q: Jupyter 里 import tlabel 报 ModuleNotFoundError？

VS Code的Jupyter内核可能和pip装包的Python环境不一致。检查方法

import sys
print(sys.executable)  # 看看是不是你装包的那个Python

在VS Code右上角切换内核到正确的Python环境即可。

Q: 面板没显示？

data.review() 只在 Jupyter Notebook / JupyterLab 中生效，命令行里不会弹出面板。

Q: Demo数据是真实的吗？

Demo数据为合成数据（Synthetic），仅用于体验面板功能，不可用于训练或benchmark。真实数据请使用 tlabel.load() 加载。

项目链接

• 📦 PyPI: Client Challenge
• 💻 GitHub: GitHub - liesliy/tlabel: A Unified Annotation Framework for Cross-Sensor Tactile Manipulation Data · GitHub （欢迎 ⭐ Star！）
• 📄 中文文档: README_CN.md
• 📜 开源协议: MIT