6.8
深览指数
科技量子位··AI 生成
让VLA更懂接触，优理奇UniTac让机器人拥有“触觉想象力”
优理奇机器人联合多所高校提出UniTac，一种统一跨传感器触觉理解与生成的架构，并接入VLA，让机器人能在接触物体前预测触觉状态。该工作解决了触觉传感器异构导致的数据不互通问题，将触觉从“接触后反馈”前移至“接触前先验”，使机器人能更安全地处理柔性、易损物体。作者认为这是补齐具身智能“接触层”的关键一步，但技术成熟度与大规模真机应用效果尚待验证。适合对具身智能、机器人触觉感知技术路线感兴趣的读者。原文 ↗
核心观点
- ▍UniTac通过统一的多传感器触觉理解与生成架构，将触觉从“接触后反馈”前移至“接触前先验”，并接入VLA，补齐了当前具身智能在物理接触层的关键短板。
- 01UniTac将触觉拆分为物理属性（硬度、粗糙度、纹理）和传感器配置（光照、凝胶状态、Marker布局）两部分，通过同时学习物体属性描述和传感器识别，迫使模型区分哪些变化来自物体、哪些来自传感器，实现跨设备泛化。
- 02在触觉理解方面，UniTac-7B在PHYSICLEAR-Test上以66.51分领先Octopi、BLIP3o等模型；在属性-物体匹配任务中取得64.61分。
- 03在触觉生成方面，面对Digit、GelSight、GelSight Mini和Duragel四类传感器，UniTac的平均SSIM和PSNR分别达到0.836和19.93，均取得最佳结果。
- 04对比实验显示，未融合UniTac的VLA在抓取纸杯时会将纸杯捏扁，而融合UniTac后机器人能先预测形变再决定接触方式，避免损坏物体。
- 05该工作已被ECCV 2026接收，研究团队来自优理奇机器人、浙江大学、MIT、牛津、耶鲁和上海交通大学。
反方 / 局限
- — 文章主要展示实验室场景下的对比验证，未提供大规模真实家居或工业场景下的成功率、鲁棒性等系统级评估数据，UniTac从仿真到真实复杂环境的泛化能力仍待进一步验证。
UniTac优理奇机器人 (UniX AI)浙江大学MIT牛津大学耶鲁大学上海交通大学ECCV 2026VLAGelSightDIGITDuragel杨丰瑜Jiahang TuHanbin ZhaoPHYSICLEAR
11 分钟 · 4 卡片 · 7 资料
读原文 →