TacForeSight：力引导的触觉世界模型用于接触丰富操作

arXiv 2026 58 method, application

TLDR

一种力条件触觉世界模型，用于实时接触丰富操作，预测触觉潜在动态，在真实机器人实验中优于基线。

评分理由

The paper presents a novel tactile world model that effectively integrates global force and local tactile sensing, with strong empirical validation on real robots across multiple tasks. However, the abstract lacks discussion of limitations or failure cases, and the approach is not explicitly compared to model-based RL methods.

Read-first 评分解释

综合优先阅读分 58，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 32。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.92958021

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基线、数据集、实验、指标

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：数据集、GitHub

主题相关性 29%

45.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：369。

关键词评分

world model

world dynamics prediction

generative world model

interactive world model

model-based reinforcement learning world model

world simulator

video world model

深度分析

创新点

力条件触觉世界模型（TacForceWM），从双指触觉观测中预测短时域触觉潜在动态，并以高频腕部力和力矩信号为条件。
预测性触觉条件策略，利用预测的潜在变量作为预期接触先验，通过交叉注意力建模当前到未来的触觉演化，并通过触觉引导门控模块自适应融合视觉-触觉特征。
轻量级潜在空间预测，实现高频操作控制的实时推理。

方法

TacForeSight包含两个组件：TacForceWM，一个以腕部力/力矩为条件预测未来触觉潜在状态的触觉世界模型；以及预测性触觉条件策略，通过交叉注意力和触觉引导门控将这些预测用作预期先验。该框架在紧凑的潜在空间中运行，以实现高效的实时推理。在五个代表性接触丰富操作任务和三种过程扰动设置上进行了真实机器人实验，并与现有基线进行了比较。

关键结果

TacForeSight在五个任务和三种扰动设置上持续优于现有基线，特别是在动态接触干扰下。

技术栈

Tactile sensorsForce/torque sensorWorld modelCross-attentionGating moduleLatent space forecasting

资源

论文