TacForcing：利用执行期触觉反馈的流式动作生成框架

接触丰富的操作需要适应在动作时间范围内可能显著演变的接触状态。然而，基于分块的视觉-语言-动作模型从执行前收集的观察中预测完整的动作块，导致执行期间触觉条件变得过时。现有的触觉反应式方法通常依赖单独的高频控制器，这增加了架构和训练的复杂性。在本文中，我们引入了TacForcing，一种流式动作生成框架，有效整合执行时的触觉反馈。TacForcing不采用单独的反应式控制器，而是用流式动作专家替换标准的动作专家，以根据执行期间获取的不断演变的触觉观察来生成动作。TacForcing还引入了执行感知触觉注意力（EATA），将触觉条件限制在接近执行的动作上，从而减少触觉获取与动作执行之间的时间错配。在六个模拟UniVTAC任务和三个真实世界的接触丰富操作任务中，TacForcing分别实现了65%和69%的平均成功率，在两种设置中均优于强基线。