2017年第25届国际光纤传感会议上Eric Fujiwara教授课题组，提出一种基于光纤光斑分析的tactile传感器。

该系统由附接到pvc板上，并以阵列形式分布的微弯传感器组成。记录多模光纤产生的光斑，然后用光斑相关性来评估由外力引发的光纤状态的改变。最后，通过使用基于贝叶斯推理的数据融合方法获得压力空间分布信息。传感器呈现出大约0.08/N的灵敏度，以及大约1mm的精度。此外，使用了数据融合技术可以仅使用3根光纤即可实现30×30平方毫米面积上的力分布效果估计。

四个微弯光纤安装在两个30*30平方毫米的PVC板上，弯曲结构由5mm长，0.5mm直径的石墨棒以5mm周期排列得到。三根MMF两两间隔10mm。连续光源波长为663nm，经过模式扰频器后，MMF连接到tactile传感器上，由模式干扰而输出的光斑由CCD接收，进一步使用MATLAB进行降低噪声、数据压缩。

可控压力探针设置大约为0.3N，并在pvc板上以1mm距离移动，下图显示了探针在u轴和v轴上移动时，输出光斑图样的相关性变化趋势

结合基于贝叶斯推理的数据融合方法后所估计的二维触控面板上压力值的大小及分布如下图所示

进行数据融合时考虑了九个位置，校准阶段得到参考点上受到最大负载，然后计算NIPC值，接下来根据三根光纤得到的光斑使用数据融合算法，根据计算的NIPC值，更新力分布概率密度函数。基于N10，N20和N30设计了3个概率密度函数，用于指示PVC上是否存在负载以及负载的大小分布。

系统仅对于单点施加压力显示出良好的响应，评估多点同时施力/或不同力的情况需要使用其他技术以解决力的分布计算模糊性的问题。该课题组以后的工作方向是设计大区域工作面积的触控面板以及进一步提升系统性能。