标签
1X为其NEO人形机器人平台开发了新型25自由度机械手，实现了人类级别的灵巧性、触觉感知和耐用性，可胜任真实世界的操作任务。
OmniTacTune引入了一种两阶段强化学习管道，用于将触觉反馈适配到预训练的视觉机器人策略，在接触丰富的操作任务中，在40-80分钟内实现85-100%的成功率。
提出了Splash，一种掩码隔离的触觉对齐学习框架，通过选择性地仅更新休眠参数，使多模态LLMs能够获取触觉感知而不牺牲视觉语言推理，防止灾难性遗忘。
研究人员推出了T-Rex，这是一个集成了视觉、语言和触觉感知的框架，使机器人能够实时响应物理接触，而非仅依赖视觉。
来自卡内基梅隆大学（CMU）和博世AI中心的研究人员推出了Humanoid Transformer with Touch Dreaming (HTD) 模型，该模型利用触觉信号预测来改进人形机器人的操控能力，在五个真实世界任务中，平均成功率比ACT基线高出90.9%。