ソフトで柔らかいロボット仲間は、社会支援型技術における物理的に安全で感情的に直感的なインターフェースとなる可能性を持っています。しかし、これらのロボットの変形可能性と複数チャネルの触覚センシングは、人間の感情をロボットが正確に認識することを複雑にしています。本研究では、ソフトなインタラクティブ仲間における感情的なタッチ認識のための軽量な深層学習モデルを開発・検証するための、完全なオープンソースMATLABベースのフレームワークを提示しています。 主な貢献として、子どもから大人まで25人の参加者から収集した1326個のラベル付きジェスチャーシーケンスから構成される、FAIR準拠の多様なデータセットが公開されました。このデータセットは、感情的なタッチ認識研究における今後の貴重なリソースとなります。468個のCNNモデルにわたる体系的なアーキテクチャとハイパーパラメータの探索を通じて、研究チームはコンパクトな拡張1次元畳み込みニューラルネットワーク（1D CNN）が最も効果的であることを発見しました。13,200パラメータのモデルはテスト精度75%、Leave-One-Subject-Out交差検証精度85%を達成しています。 理論的な推論時間分析により、量子化されたデプロイメントはウィンドウあたり3.2MMAC必要で、ターゲットマイクロコントローラ上での20Hz実時間動作と互換性があることが示されました。物理的なおもちゃでセンサーデータをストリーミングするPC上での実時間シミュレーション結果は、CNNが従来のヒューリスティックシステムでは検出できなかった微妙な社交的なタッチを認識でき、一方で高力の否定的インタラクションはしきい値ベースの簡単なロジックでより確実に捉えられることを実証しています。最終的に提案される組み込みデプロイメント戦略は、瞬時のヒューリスティックフィルタリングに続くCNNベースの細微なジェスチャー分類という組み合わせ型推論パイプラインです。この研究は、感情的に意味のあるプライバシーを保護するタッチ解釈がソフト治療用仲間への直接組み込みに計算上実現可能であることを実証しています。