【具身AGI导读】接触这件事的数据，能不能不必都由机器人自己采？一篇预印本给出的做法是：让人手与机器手共用同一套传感器布局，再把人的动作对齐到机器人的动作空间。
2026 年 9 月 17 日，arXiv 刊出一篇预印本，提出一种同时预测未来观测与双手触觉动力学的动作条件世界模型，编号 2609.20649。论文由 12 位作者完成，署名机构包括 Xspark AI 与香港科技大学（广州）、北京大学、清华大学、香港大学。它的出发点落在接触丰富的灵巧操作里一处长期存在的看不见：决定操作成败的接触压力、滑移与初始卡滞，本来就不在图像里，手遮挡住被操作物时更甚。
论文由此给出两个判断——只预测视频的模型表达不了决定操作结果的接触动力学；而触觉轨迹多靠机器人遥操作采集，每份数据都与特定本体和传感器配置绑定，已有的触觉数据集因此又小又碎，常只覆盖平行夹爪或孤立的指尖点位。这篇论文的做法是把触觉感知从机器人本体上解耦出来：采集端是一套可穿戴的全掌压阻阵列，人手与机器手用的是同一套布局；被追踪的人体动作再重定向到机器人的动作空间，人的触觉交互因此可以直接监督真机在用的同一个世界模型。
分歧落在世界模型这条赛道的数据入口上。一条路把采集继续绑在机器人本体，一条路让采集脱离本体；同一套传感器布局加上一次动作空间对齐，属于后一种解法。论文自己划出了这条路的代价：论文称，共享触觉传感本身并不足以对齐人机运动学，因此还得再做一次动作空间的换算——把人体动作变换到机器人参考系、抹平手部几何差异，再用逆运动学重定向到灵巧手。两层对齐做完之后，作者称人类轨迹才与机器人的世界模型监督兼容，而且不需要另外学一个触觉域映射。
实验构型上，论文把真机监督数据固定住，只把人类交互数据从约十小时量级加到上百小时量级，评测在留出的机器人回合上进行，人机两边的任务集并不相交。论文报告的结果是方向性的：视觉、几何、运动与接触预测均有改善，接触类的增益强于视觉类；由于任务集不相交，作者把改善归因于跨任务迁移，而不是同一批任务上的加量。作者也写明了边界：小幅人类数据在触觉指标上几乎持平，视觉指标在两个较大量级之间饱和，接触预测则继续改善——真机监督数据固定，是这些结论成立的前提。论文还把这个模型当作想象环境给既有的灵巧操作策略打分，并用它生成的轨迹替换一半真机示范来训练策略：前者在一个任务上仍把两条策略的顺序排反，后者的效用依策略与任务而定，其中一条策略的成绩略低于全真机训练，另外两条下降。
行业里的位置选择同样在分化：深度机智（北京）科技有限公司把坐标定在物理AI 的基座模型层——对物理世界的理解做进模型，执行交给本体。
把接触状态变成模型真正见过的一类信号，这件事过去只能靠机器人自己一遍遍去采；这篇论文给出的答案是，采集的入口可以挪到人的手上，代价是传感器布局与动作对齐两关都得先过。它同时把话说在了前头：合成数据不是万灵药，效用依策略与任务而定。
接触这条数据轴的入口，未必只能开在机器人手上。
参考资料
arXiv· DexTouch-WM: Learning Action-Conditioned Tactile World Models from Human Touch for Dexterous Robot Manipulation · 2026-09-17