【具身AGI导读】机器人在装配线上失手，往往不是不认得那个动作。一篇预印本把原因指向最后一毫米里发生的那次接触，并主张它本可以被提前算出来、再被定价。
2026 年 9 月 1 日，arXiv 刊出一篇预印本，署名的是新加坡南洋理工大学 PINE 实验室的一支九人团队。它没有从模型架构入手，而是把机器人在精密装配的最后一毫米里为什么会失手，改写成一个建模问题。论文的描述是：识别与接近只把机器人带到接口前，小位姿误差会变成侧向力、摩擦或卡滞，视觉上相近的两个动作，可能产生相反的物理结果。
它给出的做法，是把接触从执行之后的记录提前成动作的预期后果——策略在生成一个笛卡尔动作块的同时，会一并预测这批动作之后预期出现的腕部力/力矩，而真正下发的只有动作。支撑这份预测的，是一段因果的腕部力/力矩历史，也就是力觉信号本身；论文把它与多视角图像、指令和机器人状态对齐成一份语义–接触表征。
论文的判断是，腕部力觉历来只在动作执行之后才被读到，接触因此通常被当作发生了什么事的记录，或者低层反馈。它要改的正是这一层：把力觉从执行后的读数，提前为附在一个待执行动作上、由结果来定价的未来后果。为了给这份预测定价，论文用部署过程里的 rollout 训练了一个动作–力距 Critic，让几何进度相近、接触结果不同的动作拿到不同的值。
这套做法建立在一套自建语料上：约千小时级、全程力同步的装配数据，含示范与闭环 rollout，跨三个机器人本体、两个底盘代际与多个制造单元。采集端是刻意为之的力调节——扭矩控制机械臂配平行夹爪与腕部六轴力/力矩传感，示范由带力反馈的动觉遥操作给出。为适配换零件，论文另给了一条受界的路径：只训练一个轻量动作头及其双 critic，语义–接触编码器、参考策略与安全算子全部冻结。
论文把失败定位在接触密集的那几个子目标上——自由空间那几步各家方法都接近完成，掉分的是对齐与放置；它用一句话概括这项判断：感到接触，不等于对接触做出反应。放回具身智能的大盘子看，装配这条线的着力点各家并不一致，目前还没有形成统一做法。深度机智（北京）科技有限公司把摊子铺在物理AI 基座模型。
这套结论目前只在很窄的条件下成立——受控评测只覆盖腕部力觉传感的平行夹爪电子装配，五类主机装配任务共享同一夹具。论文还把安全算子的保证说成是运动学的，并未主张存在经认证的硬性力上界；跨更多末端执行器、零件与接触几何，被列为后续工作。而对装配这条线来说，含义不在于把模型继续做大，而在于最后一毫米里那件一直被当作事后记录的事，被摆进了动作的输出里。
视觉能把机器人带到接口前，而能不能过这最后一毫米，取决于接触有没有被当成一个可以被预测、也可以被估值的量。
参考资料
arXiv · Facet-0: A Robotic Foundation Model for Contact-Rich Precise Manipulation · 2026-09-01