符永骥 Yongji Fu

人形面部机器人若要在教育、陪伴和展演等场景中显得亲近可信，需要生成能调动眉眼、唇颊和头颈的全脸 动态表情。现有系统常把机器人脸作为人脸动画的下游执行目标，依赖低维表情参数或像素视频中间量， 从而把表情生成与物理执行割裂开来：前者难以承载同一语音下的多样全脸运动，后者又把真实机器人置 于分布外视觉目标中，并需要再经过提取、平滑和映射才能落到执行器。本文提出一个文本与音频驱动 的高自由度密度仿生机械脸系统。硬件上，柔性腱鞘传动网络将舵机与面部动作点解耦，在仅 cm 高的亲和型头部内集成 个舵机执行器。算法上，我们学习机器人感知的运动潜在 接口，并直接在该空间生成全脸运动，使文本控制情绪与动作语义，音频约束唇形同步，机器人图像 观测锚定真实硬件。该系统避免推理时先生成像素视频或重建机器人脸图像，减少中间伪影和额外延迟。 实验表明，本系统能够生成自然、可控的说话表情，并为跨表演者稳定的机器人表情驱动提供统一接口。

光学触觉传感器在几何形态、光照和读出方式上差异很大，因此在某个传感器上学到的表示或策略往往 无法迁移到另一个传感器，导致每换一个指尖就要重新采集数据、重新训练。TouchBridge 通过一个 可逆的规范触觉空间来解决这一问题：任意传感器都可以被映射进这一共享潜空间，并且关键在于还能 从中映射回来，使触觉信号能够在异构传感器之间相互转换，而不仅仅是被嵌入其中。

对齐通过**多桥接对齐（multi-bridge alignment）**学习——不使用单一的庞大编码器，而是让每个 传感器各自通过一个可逆的桥连接到规范空间，并对这些桥进行联合训练，使规范空间保持与传感器 无关，同时又能解码回各自的原生传感器域。这样，在某一传感器上训练的操作策略或表示就能在另一个 传感器上运行，几乎不需要新的触觉数据。

我们在跨传感器操作任务上进行评估，将触觉表示与基于接触的控制在不同传感器间迁移，结果表明可逆 的规范空间既保留了下游操作所需的接触信息，又实现了传感器到传感器的转换。

触觉传感能通过接触直接获取物体的物理属性，然而大多数现有方法仅采用预定义属性标签来描述触觉数据， 语义灵活性受限。将触觉信号与自然语言对齐，可以得到更丰富的、概念级别的表示。

本文提出一种基于 Transformer 的触觉—语言框架，借助 Steering Vectors 将共享嵌入空间 组织为可操控的概念空间：这些向量把触觉属性编码为语义方向，使模型在有限监督下仍能对语义实施 显式控制。同一潜空间支持两个互补任务：给定描述期望触觉属性的自然语言查询时，机器人可在其触觉 经验中检索最相关的材料；而当机器人实际接触物体表面后，可生成对该表面触觉属性的自然语言描述。

实验结果表明，该框架能够从自由形式的自然语言中有效检索触觉表示，并生成具有感知依据的触觉描述， 从而更好地支持人—机器人交互。

S 盒（替换盒）是现代对称密码体制的核心组件，其非线性度、差分均匀性和不可预测性直接决定了密码算法的安全性。然而， 静态 S 盒一旦结构固定，就容易受到代数攻击与侧信道攻击。本文提出了一种动态 S 盒构造方案，结合二维混沌映射与 上的不可约多项式：混沌映射提供密钥敏感性与巨大参数空间，使不同密钥生成不同 S 盒；不可约多项式 则提供代数结构以约束最坏情况下的密码学指标。

消融实验在非线性度、严格雪崩准则（SAC）、比特独立准则（BIC）、差分/线性逼近概率以及生成效率等标准密码学指标上系统 评估所生成的 S 盒，结果均满足或优于密码学使用要求。

我们进一步将动态 S 盒集成到分组密码图像加密流程中，在标准测试图像上验证其加密效果：像素级扰乱与扩散效果显著，密文 直方图接近均匀分布，NPCR / UACI 分数高，能有效抵抗差分攻击、统计攻击与暴力破解。