T-WLA 用共享视觉记忆同时生成动作与修正触觉

Kaichen Zhou 等研究者提出世界-语言-动作架构 T-WLA，用一份共享视觉记忆同时引导动作生成与触觉修正：记忆被缓存给一个轻量触觉编辑器，后者结合当前动作块和实时触觉，预测对未执行动作的残差修正，无需重跑视觉分支。未来图像与未来压力预测仅作为训练监督。 在 EgoTouch、Tachin 触觉手部动作预测基准和四项真实机器人灵巧操作任务上，T-WLA 将手指关节 MPJPE 相对最强已报告基线降低 30%，真实操作任务平均成功率约 50.0%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。