结果

磨损：25 小时夹持，无可检测效应

在连续采集段内部 —— 这是唯一能把斜率归因于「使用」的地方 —— 7 段里只有 3 段超过置换零假设， 而且多数段的增量落在自身噪声底以下。这个漂移不跨段累积，所以它是每段会复位的 可逆效应，不是磨损。LED 热身是最自然的候选，但本数据无法把它与环境温度或胶垫蠕变 区分开，因此不作声称。

换成公开数据还成立吗？

结论 1 依赖的是一次实验室内部采集，单靠它只能说明那一套装置，而不是 GelSight Mini 这类传感器。所以另查了两个公开数据集，只用它们自己的参考帧， 不借用那套装置的任何数据。

两者都复现了内部数据的形态。Sparsh：10 个 session 里有 1 个漂移超过噪声底 （6.6 倍），其余九个都在 0.8–1.3 倍 —— 与耐久性实验里「7 段中 3 段显著」的异质性一致。 FoTa：外观在一次 20 天的采集空档处出现台阶，此后的十二个采集日里几乎不动，而这个台阶的 大小约等于同一天换到另一根手指（9.8 RMS）。两个数据集都不支持磨损随使用累积， 但都支持「装置被扰动时外观会移动」。

亲眼看它发生

拖动滑块。红色刻度是采集中断，不是夹持时间的刻度。图像在刻度处跳变， 在两个刻度之间的几小时里几乎不动。

无标记胶垫 —— 5.3 小时。公开的带力标签 Mini 数据多数用无标记垫， 所以先看这一组。

有标记胶垫 —— 25.0 小时，更长的一组。它那 15 RMS 的台阶压在 88 小时中断上； 而上面那组无标记数据，在它第二段内部出现了真实的上升。两组对「使用中到底有多少 漂移」并不一致，所以谁都不单独呈现。

参考帧本身就是那个适配

换胶垫或换传感器之后，一定要重新采集参考帧。这一步是无监督的，能把损失 基本全部收回；省掉它，基于物理的力估计就不工作了。

本页早前版本报告过一个不符合规律的条件 —— 免标定的 new→old 在零样本下 仍有 0.93 —— 并把它标为无法解释。那是个伪影：FEATS 的帧以 RGB 存储，却被按 BGR 读取， 于是那次比较测的是通道交换而不是换传感器。通道修正后它与其余三个条件一致 （0.10）。 全文的漂移样本量 n = 1。

冻结编码器：在统一特征宽度下比较

这些编码器到底是干什么的？

这里没有训练任何网络。每个编码器都是一个冻结的特征提取器：输入一张触觉图， 输出一个定长向量，只有「向量 → 力」这一小段线性映射是拟合出来的。问题不是「哪个模型的 触觉感知最强」—— 它们在训练时谁都没见过触觉图。问题更窄也更有用：面对换传感器， 一个通用视觉表示是否比物理重建管线更扛得住？

四个都是普通的计算机视觉骨干网络，公开且冻结，覆盖两种预训练范式： ResNet50/18 来自 ImageNet 有监督分类，DINOv2 ViT-B/S 来自无标签的自监督 训练。它们就是别人真会随手拿来用的那些编码器。另有两个参照锚定这个比较。 32×32 原始像素对照完全没有学到的表示，标出任何编码器必须超过的下限； T3 checkpoint 则是这里唯一一个触觉专用模型。

这张表要这样读：每一行的拟合与打分方式完全相同，所以行与行之间的差异是表示 的差异，不是方法的差异。六种特征的域内 rho 都挤在一个很窄的带里，迁移却不是 —— 所以域内 分数在这里对鲁棒性没有任何说明力。T3 那一行最差，但它是一个下游微调的 checkpoint、由张量 反推重建，且宽度扫描不稳定；这不构成对 T3 方法的评价。

外观漂移能预测代价吗？

用背景色反推未标注的采集状态

这里没有任何数据集把力样本按传感器或胶垫标注。背景色由 LED 与胶垫决定，而不是由 被按压的物体决定 —— 所以它能反推出这个缺失的状态，但前提是只在无接触的帧上测量。 在数据集自带的 19 个目录的真无接触帧上， 目录内离散度降到 0.017， 而簇间分离是 5.93 —— 相差 340 倍。

免标定重建不受影响；逐传感器标定的 LUT 则退化 —— 这正是本任务立项要检验的预测。 但较小的那个簇只含两个目录，力的直方图也没完全匹配，而且LUT 重估参考后的分数反而比 零样本更差，这在物理上说不通，至今没有解释。