触觉预测只该用来训练，不该给动作看

一句话判断

触觉预测只该用来训练，不该给动作看

论文解决什么问题

现在的世界动作模型大多只预测视觉未来，但接触任务的关键信息在图像里几乎看不出来：看着稳的抓取可能已经接近打滑，看着对齐的插入可能已经机械受约束，易碎物体受力已经不安全时外观毫无变化。这些差别体现在力的累积、剪切、压力不对称和初始滑移上。

核心方法

↳ ① 未来触觉只当训练期的监督目标，不进部署期的动作输入。作者主动说明触觉预测本身不是新意，他们关心的是触觉未来怎么被表示、以及怎么在训练内部被使用。
↳ ② 注意力掩码严格隔离：动作 token 不能读未来视觉和触觉预测，视频 token 不能读触觉未来。作者明确定性——这是信息隔离机制，不是在主张动作条件下的触觉动力学。
↳ ③ 触觉编码融合触觉图像、稠密力场、网格形变流三路空间对齐信号，双侧合力与力矩当全局力学监督，预测的是潜状态而不是直接生成传感器流。
↳ ④ 近期触觉历史不作为额外 token 插入，而是通过自适应归一化调制触觉专家——同样的力幅值可能是稳定接触、压力增长、滑移恢复或即将捏坏，得靠历史才能分辨。

实验结果

真机四个接触密集任务各 20 次试验，均值 75.0%，最强基线 37.5%，每项全胜。擦白板和转笔提升最大，这两项最依赖持续接触和双侧动态推理。

真正值钱的是消融那条曲线：完整版 82.5%；去掉触觉历史掉到 55.0%；再放开动作流对触觉预测的可见性掉到 37.5%；再允许视觉与触觉未来双向交互，掉到 7.5%。

这篇论文不是什么

单臂平台、四个任务、每方法每任务只有 20 次试验——单次成败就是 5 个百分点，任务间的小差距落在两次试验的量级内。最强基线没有官方实现，是作者自己复现的，而它恰恰是那 37.5 个百分点提升的对照对象。另外触觉预测在部署时并没有闭环使用，全部收益来自训练期的表征改善，不是「机器人靠预测接触实时调整」。