它石智航等发布TacForeSight，机器人预判接触变化
它石智航联合多机构提出TacForeSight触觉世界模型，用力觉提前预测触觉变化，实现机器人预判接触，提升精细操作成功率。
TacForeSight是一种力条件触觉世界模型，首次利用腕部力觉信号预测未来短时触觉变化，并用于机器人动作生成。它让机器人从触后反应变为触前预判，在精细操作任务中平均完成率近80%，支持20Hz实时推理。
正文摘录
但对于真实接触操作而言，仅仅感知当前状态远远不够，机器人还需要 预测物理世界接下来会如何变化 。 近日， 它石智航 联合新加坡国立大学、上海交通大学、中科院自动化所、复旦大学发布论文“TacForeSight: Force-Guided Tactile World Model for Contact-Rich Manipulation”。 该研究提出一种 力条件触觉世界模型 ，首次将腕部力觉作为未来触觉状态的先导信号，用于预测短时接触演化，并将预测结果引入机器人动作生成过程。 论文链接：https://arxiv.org/pdf/2606.11184 项目主页：https://tacforesight.github.io/ProjectPage/ 视频链接：https://www.youtube.com/watch?v=ZY2xBTaR6ek 这意味着机器人不再只是依赖触觉反馈进行事后修正，而是能够提前理解接触变化、预测接触变化，并在物理世界发生变化之前主动调整动作。 从Reactive Feedback（反应式反馈，即触碰之后才产生反馈）到Proactive Foresight（主动式预见，即在接触之前就预判将要发生什么），从“摸到世界”到“预感世界”，TacForeSight为接触智能提供了一种更接近人类操作逻辑的新范式。 今年3月，它石智航发布 OmniVTA视触觉操作框架和OmniViTac大规模视触觉数据集 ，帮助机器人通过视觉与触觉理解真实接触。 此次TacForeSight，则进一步补上了“提前预判”的能力，让机器人不只是“看见”和“摸到”，还能提前判断接触变化。 当前，行业多数接触操作方法虽然融合了视觉、触觉和力觉等传感器，但本质上仍偏向“看到问题后再反应”。 这点在执行精细操作时的弊端尤其明显，一旦反馈滞后，就容易出现卡顿、错位甚至任务失败。