让 VLA 更懂接触，优理奇 UniTac 让机器人拥有“触觉想象力”

📌 一句话摘要

UniTac 提出统一跨传感器触觉理解与生成架构，将触觉从接触后的反馈前移至接触前的预测，并接入 VLA 以提升机器人在柔性物体与接触密集型任务中的操作安全性。

📝 详细摘要

文章报道了优理奇机器人（UniX AI）联合浙大、MIT、牛津、耶鲁及上海交大发布的科研成果 UniTac（已被 ECCV 2026 接收）。该工作为解决机器人因缺乏触觉预判而难以处理柔性、易损及密集接触任务的痛点，提出一套统一的跨传感器触觉理解与生成架构。UniTac 将触觉拆分为物体物理属性与传感器配置两部分，通过理解端学习属性描述与传感器识别，生成端利用 Sensor-Aware DiT Projector 按给定传感器状态生成接触后的触觉信号。实验表明，UniTac 在触觉理解（PHYSICLEAR-Test 66.51 分）和触觉生成（四类传感器平均 SSIM 0.836、PSNR 19.93）上均优于现有方法。文章还介绍了团队背景与技术路线，强调 UniTac 将触觉从“碰到以后才知道”变为“碰到之前就能预测”，为 VLA 模型补上接触层的关键短板。

💡 主要观点

- 当前 VLA 模型在处理柔性物体和密集接触时因缺少触觉预判而表现不佳。 完全依赖视觉的策略在外观相似的物体上可能采用同一套操作方式，而等到接触发生后再修正往往已造成损坏，因此需要接触前的触觉先验。

UniTac 将触觉拆分为物体物理属性与传感器配置，实现跨传感器统一表征。 不同触觉传感器的光照、凝胶状态、Marker 布局等差异导致同一物体数据完全不同，UniTac 通过理解端同时学习属性描述与传感器识别，迫使模型区分物体本身与传感器带来的变化。

生成端采用 Sensor-Aware DiT Projector，给定传感器未接触状态生成接触后的触觉信号。 触觉不存在真正的无条件状态，UniTac 改变了常规生成模型的无条件分支，先提供传感器空闲状态再生成接触变化，从而稳定跨传感器生成。

UniTac 将触觉从接触后的反馈前移至接触前的先验，提升了 VLA 在密集接触任务中的安全性。 实验显示在抓取纸杯、毛巾等场景中，融合 UniTac 的 VLA 能预判形变并规划温和接触，避免捏扁或抓取失败。

💬 文章金句

- 让机器人从看见物体，走向理解物体该如何被接触。

如果机器人能够在真正碰到之前，就已经知道未来的触觉状态，那么第一次接触，就会变得安全得多。

📊 文章信息

AI 初评：85

来源：量子位

作者：henry

分类：人工智能

语言：中文

阅读时间：15 分钟

字数：3738

标签：具身智能, 触觉感知, 机器人, VLA, 多模态 AI

阅读完整文章

让 VLA 更懂接触，优理奇 UniTac 让机器人拥有“触觉想象力”

🤖 問 AI