MIT 与哈佛团队发布 T-WLA：触觉修正视觉策略，MPJPE 降 30%
ceciletamura · x · 2026-11-08
MIT CSAIL 与哈佛等机构研究者（Kaichen Zhou、Yuzhen Chen、Antonio Torralba、Paul Pu Liang 等）发布论文 T-WLA，解决接触密集操作中视觉策略更新慢于接触状态变化的问题。
架构要点：
- 采用 world-language-action 架构，每次视觉更新时将当前图像、任务指令与检索历史整合为共享视觉记忆，用于条件化基础动作生成；
- 同一份视觉记忆被缓存给一个轻量触觉编辑器，结合当前动作块与实时触觉信号，预测对未执行动作的残差修正，无需重跑视觉分支；
- 训练时使用未来图像与未来压力预测作为辅助监督，促使视觉记忆与触觉特征捕捉与动作生成相关的交互动态。
实验结果：在 EgoTouch 与 Tachin 数据集的触觉条件手部运动预测任务上，指关节 MPJPE 较最强基线降低 30%；在四个真实机器人灵巧操作任务上平均成功率约 50%。论文与代码已公开，作者将于 11 月 8 日在 Clubhouse 进行深度解读。
「具身」频道最新
- 富士康工厂实测:双臂移动机器人为 SMT 产线上料 — lukas_m_ziegler · 2026-11-08
- 让 AI 循环刷摄像头自动更新 ESP32/M5 固件 — vincent_koc · 2026-11-08
- 特斯拉 Cybercab奥斯汀曝光率创新高:每千张抓拍达 43.9 次 — mitchdeg · 2026-11-08
- GPT-6 Astra零样本刷爆RoboDojo榜单，具身公司自研模型动摇 — 量子位 · 2026-11-08
- Reddit 热议：别再 vibe coding 了，用 ChatGPT 做硬件是新蓝海？ — themegapint · 2026-11-08
- Cybercab 将进一步降本，被称为成本最低的自动驾驶方案 — mitchdeg · 2026-11-08