VLA 模型如何处理触觉与力反馈信息？

在接触密集型操作（如擦拭、插拔、切割）中，仅靠视觉难以感知接触状态与力度，触觉与力反馈的引入成为 VLA 的重要补充：

1. 触觉标注视觉输入：密歇根大学 2026 年 6 月提出的 TAP-VLA，在视觉图像上标注由触觉传感推导出的力方向，在不改变 VLA 架构的前提下引入接触反馈，提升接触密集操作的性能。
2. 快慢分层力控：TARS Robotics 的 OmniVTA 采用分层快慢机制——慢系统预测接触变化并规划动作，快系统以 60 Hz 的触觉反射控制器根据预测与实际反馈的差异及时修正动作，帮助机器人恢复中断的接触并避免用力过度，在擦拭、切菜等任务上取得 80% 以上的成功率。
3. 视觉与触觉的分工：当前最佳实践是让 VLA 负责接近阶段（识别物体、规划轨迹），由力/触觉策略负责接触阶段（力调节、插入、手内操作），因为语言骨干对接触动力学难以提供有效先验。