Sharpa联合清华发布FTP-1，首个通用触觉基础模型跨21种传感器
首个通用触觉基础策略FTP-1，跨21种传感器预训练，可迁移至新传感器和机器人本体，打通触觉操作通用化路径。
机器人触觉操作长期依赖特定硬件，不同传感器和机械手之间难以复用。FTP-1基于约3000小时、来自21种触觉传感器的数据进行预训练，用一套统一架构（形态感知触觉token空间）实现了跨传感器、跨平台的迁移，在从未见过的传感器上成功率提升超31个百分点。
正文摘录
.285.jpg)  过去几年，机器人视觉学习已经跨过了一个重要门槛。π₀.₅、GR00T N1.5 这类在大规模异构数据上预训练的 VLA 模型，正在成为下游操作任务的通用起点：拿到 checkpoint，针对具体任务微调，再部署到真实机器人上。 但触觉操作一直缺少这样的「基础模型时刻」。 现有触觉策略大多仍为特定硬件定制：一个传感器、一只手、一个任务集，对应一套模型。虽然无论是 GelSight、Contactile，还是力 / 力矩传感器都在提供触觉信息，但它们的输入格式、分辨率和物理形态并不兼容，导致已有经验难以跨传感器、跨平台复用。 来自 Sharpa、清华大学、UC Berkeley、上海交通大学、ETH Zurich 等机构的研究者提出了首个通用触觉基础策略 FTP-1。 它基于约 3,000 小时、来自 26 个数据来源和 21 种触觉传感器的数据进行预训练，结果显示它不仅能够在不同具身平台之间迁移，在预训练阶段从未见过的传感器上也展现出很强的泛化能力，成功率提升超过 31 个百分点。