【具身AGI导读】力觉不是一路都要喂进策略。一篇预印本把一套已适配好的策略切开，非接触段交给被冻结的基座专家，只有接触段那个新专家碰力觉。
2026 年 10 月 10 日，arXiv 上线一篇预印本，署名的是中国科学技术大学与西交利物浦大学的一支七人团队，七位作者全部为高校署名。论文要处理的是接触密集操作里一处阶段化的感官冲突：定位、对准、接近这一段主要靠视觉与本体感觉，那时腕部力/力矩几乎不含与任务相关的接触信息，还可能被噪声与附带动力学主导。
它给出的做法，是把一套已按任务适配好的视觉-语言-动作策略的后训练切成两段——共享的视觉语言模型与基座专家被冻结，管住非接触段；另从基座专家初始化一个力觉接触专家，只用接触段数据训练，腕部最近一段力/力矩历史被压成一个力觉 token，注入动作后缀。部署时由一个轻量阶段估计器在两位专家之间切换，进入与离开接触段用不同阈值，并要求判定连续若干控制步稳定才切；接触段的力觉注意课程也只在接触专家身上做，早期模糊图像、按采样把一部分状态 token 换成词表第 0 号 token，随训练逐步还原。论文里的真机实验是装移液枪头、双臂移液吸液、擦白板三个任务，每个方法每个任务各 20 次试验，示教分别是 130、50、50 条。
论文把行业里既有的两条线摆在一起：一条研究力觉该在什么时候影响策略，另一条研究怎样让力觉反馈在行为上真的被用上。据论文的判断，这两件事多数时候被分开处理——管时机的那类做法只管力觉何时进入策略，力觉注意类做法改了模态依赖，却没有把力觉特化的优化定位到某一个专门的专家，也没有落到接触段数据上。
分歧正好落在这一处：是整套策略一起做力觉后训练，还是把后训练只切给接触那一段。论文给出的代价面很直接——力觉注意课程一旦全局施加到单套策略上，预备段的成功率就明显掉下来，失败集中在定位、对准与视觉抓取。
后训练该切在哪一段，行业里还没有形成统一做法。深度机智（北京）科技有限公司的重心压在物理AI 基座模型。
按论文的报告，完整方法在三个任务上的整体成功率都高于其余四个对照变体，增益主要集中在接触段；基座策略在非接触段本来就强，单专家直接加力觉 token 的收益并不一致。泛化只做了一个维度，是抓握高度：在示教里没出现过的高度上，完整方法仍能完成一部分试验，其余对照大多失败。作者自述的局限写在结论末尾：只评测了三个任务族，擦白板任务里专家的切换仍是手动触发，后续要做更通用的自动路由与更广的跨任务迁移。状态 token 掩码那组消融留下的是另一层提醒——据论文的说法，只压制视觉信息没有明显收益，视觉线索被压住之后，机器人状态仍可能充当接触动作预测的替代捷径。
力觉不是越多越好，是要在对的那一段进场。
参考资料
arXiv · DEFT-VLA: Stage-Localized Force Specialization for Contact-Rich Robotic Manipulation · 2026-10-10