#触觉 (52)

VT-Bridge：轻量残差适配把预训练 VLA 桥接成 VTLA

VT-Bridge 不改动预训练 VLA 的架构，只在其预测的动作块之上外挂一个 0.98M 参数的触觉残差适配器，以机器人执行频率逐步修正动作：骨干低频推理（π0 每块 153.1 ms），适配器单步 0.7 ms，两者在同一块 GPU 上时间片交错，互不抢占算力。每个任务最多 50 条双边遥操作视触演示即可完成 LoRA 微调骨干与训练适配器；残差监督取遥操作记录的期望位姿而非实际执行位姿，以补偿阻抗控制下 4-5 cm 的接触偏移，非接触样本的残差目标置零。在 π0、π0.5、SmolVLA 三个骨干与 Pump Bottle、Clean Whiteboard、Insert Plug、Flip Rocker Switch 四个接触密集任务上，平均严格成功率从 11.7% 提升到 62.9%，条件完成率提升 58.8 个百分点，12 个任务-骨干组合全部最优。代码正在整理开源。

Yansong Wu, Tuo Yang, Rongping Zhao · 42次阅读 · 2026年9月18日

触觉视觉语言动作模型接触丰富操作2026年9月18日

PanTact：用可穿戴接触接口教会人形机器人全身灵巧性

PanTact 把接触而不是关节轨迹当作人到机器人的迁移货币。可穿戴贴片由 44×44 mm 的 FSR 模块磁吸拼装，一块 50×50 mm 自研 PCB 以 1 kHz 同读 16 路，走带 CRC 的 RS-485 菊花链，每块贴片挂一个 Vive tracker 把传感器中心定位到世界系，接触状态按每通道自适应基线二值化，阈值 max(0.35β, r_min)。策略以身体遮蔽后的 3D 第一视角点云、双腕图像与本体感知为观测，10 Hz 预测 H=16 的动作块，内含 look-at 点、EEF 位姿与夹爪宽度、逐传感器接触目标（二值状态加 3D 位置）。控制器用软最小邻近距离 d(p,q)（T=0.02 m）把激活接触交给当前最近的机器人表面，并沿按压方向偏移 δ 形成虚拟目标以产生按压力，因此 G1 不装任何触觉传感器也能抱住物体。三种公式化实现各有代价：免训练的上身 IK、由 SONIC 执行稠密参考的 WBIK、PPO 在 4096 个仿真环境训 30k 迭代的稀疏接触跟踪器（50 Hz、29 关节、上身 8 / 全身 16 个接触槽）。29-DoF Unitree G1 实测：Grasp-and-Embrace 85%（上身 IK）与 80%（稀疏），Humanoid UMI 为 0；Sweep-and-Stow 端到端 90.63%，UMI++ 两阶段各 18.75%、端到端 0；Carry-and-Push 90% 对 40%。仿真回放消融显示加入接触目标后三种控制器接触距离都下降，EEF 精度几乎不受损。

Xu, Xiaomeng, Zhang, Han, Ruan, Zhian · 133次阅读 · 2026年10月8日

Whole-Body Manipulation触觉接触丰富操作2026年10月8日

0:28

UVTA:视觉-触觉-动作的灵巧操作

@CyberRobooo · 215次播放 · 2026-10-10

灵巧操作触觉人类演示

时序视触觉学习：抬起前预判灵巧抓取稳定性

机器人抓取研究大多用视觉选位姿、配平行夹爪，而人是靠指尖触觉几乎不失手。TU Dresden LASR Lab 把问题改成「抬起之前这只多指手抓稳了没」：7 自由度 xArm7 + 16 自由度 Tilburg Hand，四指尖各嵌一颗 Digit 360，用 200 个物体（刚性 105、可形变 95）自动采集 10000 次抓取，全程录外部 RGB-D、本体感知与四路触觉（相机/音频/IMU/气压），SAM 3 检测抬起后物体高度自动打标（与人工核验一致率 92.34%）。模型是以抓取起始为锚点的 3 秒观测窗：16 帧 RGB 与触觉图像走 VideoMAEv2-Base，本体感知 100 步、音频等 224 步走 Transformer，四指触觉先跨模态融合再跨时间跨手指分解注意力，最后注意力融合输出稳定概率。5 折物体不相交验证下视觉+本体+触觉 83.55%，去掉触觉掉到 79.56%；触觉分辨率 1x1→112x112 准确率 79.40%→83.55%；把触觉冻结成最后一帧掉 2.07 个百分点。真机上把它当在线门控（阈值 0.95，最多重抓 5 次），20 个训练集外物体上执行抬起的成功率 82.0%，比无触觉门控高 10.5 个百分点。约 1.2TB 数据集已在 OPARA 公开。

Ken Nakahara, Aleksei Buvailik, Prokhor Kotov · 358次阅读 · 2026年10月7日

灵巧操作触觉Visuo-Tactile2026年10月7日

0:48

DexTacWAM：面向灵巧操作的视触觉世界-动作模型

DexTacWAM 把触觉纳入被预测的世界状态：冻结的视觉 VAE 逐指编码指尖触觉图，手指与姿态感知的触觉压缩器按 5:1 把五路指尖潜变量聚合成每只手一个潜变量，并作为额外视图注入视频扩散世界模型做联合去噪；动作专家再经逐模态 K/V 归一化，从预测出的视触联合潜特征生成含逐指力的动作。在 22 自由度双臂 Sharpa 触觉平台的六个接触富集真机任务上，它以平均 70.6 分全面领先，最强基线 RDP 为 38.0 分；消融显示去掉触觉世界建模会让四任务均值从 74.7 跌到 26.6。约 4 小时触觉编码器适配加每任务约 100 条演示即完成持续视觉到触觉学习，视觉预测质量损失被压在 0.5 dB 内，触觉压缩同时带来 2.26 倍训练与 1.29 倍推理加速。

Haoran Yuan, Zekai Wang, Boning Shao · 730次阅读 · 2026年9月21日

灵巧操作世界动作模型Visuo-Tactile2026年9月21日