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
- 特斯拉 Cybercab 无方向盘无踏板车型亮相巴黎展厅 — mitchdeg · 2026-11-14
- Tesla Cybercab 成全球首款取消方向盘与踏板的量产车 — mitchdeg · 2026-11-14
- RobotAgentBench:混合 Codex 系统家庭任务平均分 48.5 — jiqizhixin · 2026-11-14
- 华为诺亚夺冠 BEHAVIOR-1K 挑战赛，任务成功率从 12% 升至 48% — 机器之心 · 2026-11-14
- ASU IRIS 实验室招收 2027 秋多名额全奖博士，方向含接触密集操作 — YuXiang_IRVL · 2026-11-14
- CoRL 2026 现场记:机器人给我拍照,Cybercab 载我兜风 — bousmalis · 2026-11-14