论文arxiv.org今天

NeurIPS 2026 FAFM：融合六维力矩与触觉阵列反馈的接触丰富操作具身基础模型

针对纯视觉 VLA 在精密插拔、擦拭与易碎品抓取中“看不见接触力”导致的过载损坏问题，FAFM 将高频六维力/力矩（F/T）与视触觉信号编码为统一力觉模态，显著提升亚毫米公差装配成功率。

AI 整理

硬件零部件
数据与采集
具身模型

Franka FR3 FR3 Duo 宇树 G1 pi0_base rdt-1b

为什么纯视觉 VLA 搞不定精密工业装配？

在 3C 产线 USB/RJ45 接口盲插、齿轮啮合、瓶盖旋拧等**接触丰富（Contact-Rich）**任务中，末端相机的第三视角或手腕视角往往被夹爪自身遮挡，且无法感知 1–10 N 级别的卡阻接触力。纯位置控制的视觉策略一旦存在 1–2 mm 视觉标定偏差，就会硬顶工件导致机械臂触发碰撞急停。

FAFM 核心设计：多速率力-视融合

异步多模态编码：视觉图像按 10–30 Hz 输入视觉骨干网络，而关节力矩传感器（如 Franka Research 3 内置的 7 路扭矩传感器）或指尖阵列触觉（如宇树 Dex3-1）按 200–1000 Hz 采样并通过轻量时序卷积提取接触瞬态特征。
刚度与阻抗联合输出：模型不仅输出末端期望位姿增量，同时动态调节笛卡尔阻抗刚度矩阵，在自由空间快速逼近时保持高刚度，在接触发生瞬间自动柔顺让位。