可见的触摸：渲染视觉运动策略的接触

将联系信息整合到视觉运动政策中仍然是一个悬而未决的问题。触摸对于稳健的操作至关重要，但大多数现代策略，包括预训练的视觉-语言-动作（VLA）模型，仅通过视觉和本体感觉来操作。缩小这一差距的现有方法需要专门的触觉硬件，添加单独的触觉编码器，或致力于非图像策略骨干，所有这些都与基于预训练的 2D 视觉表示的图像调节策略的现代范式不兼容。我们的主要见解是，瓶颈不是联系信息本身，而是它的传递方式：当联系信号暴露在与策略已经关注的场景相同的空间框架中时，它们可以直接被任何图像条件策略使用，而无需更改架构。我们在 Visible Touch 中运用了这一见解，并搭配定制的低成本磁性接触传感器，该传感器是开源的，并通过参数化 CAD 到模具管道由现成零件制造。在 LIBERO 基准测试中，Visible Touch 在 2 视图设置中将 BC-Transformer 的成功率平均提高了 15.7 个百分点，在 1 视图设置中也有类似的提升；受控比较表明，接触整合策略强烈影响触觉信息的使用效率。当微调预训练的 VLA 时，该模式成立：LIBERO 上的 miniVLA 平均提高了 25 个百分点，使用我们的定制传感器，在四个现实世界接触丰富的任务上的 $π_{0.5}$ 提高了 30 个百分点。