机器人需要感知世界才能在其中运作。

如今大多数操作策略都是触觉盲的。它们要么无法解释高频触觉信号，要么将它们视为静态通道。而且该领域缺乏足够的触觉丰富数据集，无法大规模训练触觉反应策略。

最近，Sharpa 构建了 T-Rex 触觉灵巧手大模型，测试了机器人策略是否能像人手一样对高频触觉信号做出反应，而不牺牲现代 VLA 的泛化能力。

结果是在 12 个现实世界任务中平均成功率为 65%，比最强基线提高了 30 个绝对百分点。在一年内，触觉 VLA 已从有前景发展到在灵巧任务中超越非触觉基线，如 pi0.5。

#具身智能##机器人##灵巧手# http://t.cn/AXStKbwD