机器人要处理纸杯、毛巾、葡萄这类柔性或易损物体，光看见目标还不够。量子位介绍的 UniTac，试图让 VLA 在真正接触前，先预测一次可能的触觉状态。
它做的事情可以压缩成三步：
- 把不同触觉传感器的数据放进统一框架，区分物体属性和传感器自身配置。
- 同时做触觉理解与触觉生成，既描述硬度、粗糙度、纹理，也重建接触后的触觉信号。
- 把预测到的触觉先验送入 VLA，帮助动作模型在第一次接触前调整位置和力度。
这不是把接触后的力觉反馈删掉，而是把一部分判断提前。文章用纸杯和毛巾举例：如果等到纸杯被捏扁后才修正，反馈已经来晚了。
文章称，UniTac-7B 在 PHYSICLEAR-Test 上得到 66.51 分，属性与物体匹配任务得分 64.61；在 Digit、GelSight、GelSight Mini、Duragel 四类传感器上，平均 SSIM 为 0.836，平均 PSNR 为 19.93。以上均为文章引用的论文实验结果。
首图是原文的概念拼贴，不是实验现场照片；第二张为论文架构图。该工作已被文章标注为 ECCV 2026 接收。
评论
登录后可发表评论。