DexTacWAM:视觉-触觉世界模型让灵巧手 6 项任务全胜基线
berkeley_ai · x · 2026-09-30
UC Berkeley、UIUC 等机构发布 DexTacWAM,一个面向灵巧操作的视觉-触觉世界-动作模型。
- 核心思路:把触觉当作预测世界状态的一部分,在预训练视频世界模型上做轻量触觉编码器适配,联合预测视觉与多指接触动力学;单次前向即可将视触特征直接暴露给 action expert。
- 多指压缩:手指与姿态感知的触觉压缩器把 10 指触觉流映射为 2 个手部级 latent,保留 89.4% 的接触召回,带来 2.26 倍训练加速和 1.29 倍推理加速。
- 数据高效:仅需 4 小时触觉数据即可完成触觉编码器适配,无需视频模型触觉中途训练,直接视觉到触觉微调。
- 性能:6 项任务全部第一,平均得分 70.6 vs 最强基线 38.0;演示包括夹持器工具力控、碗堆叠、瓶盖拧开、双持擦拭等。
项目网站附真实机器人演示、世界模型预测、消融与代码/权重。
所属事件:伯克利发布视触觉世界模型 DexTacWAM(2 条相关)→
「具身」频道最新
- Dyna Robotics:仅 30 分钟机载数据,机器人 Taku 学会全新全身任务 — charlieholtz · 2026-09-30
- Dyna Robotics:Taku 机器人 30 分钟数据学会全新全身动作 — JasonMa2020 · 2026-09-30
- YC 转发「智能体制造」基础设施:说出想法,机器人零件送上门 — ycombinator · 2026-09-30
- 人形机器人洗衣服 demo：被拔手改设置仍能回去续上任务 — JasonMa2020 · 2026-09-30
- Sentdex 给自研机器人征名，相中「chonk」 — Sentdex · 2026-09-30
- Waymo 体验揭示:旧金山每 20-30 单仍需远程员救场 — herbiebradley · 2026-09-30