TouchScale：统一硬件采500小时人类视觉与触觉，先训练触觉预测再适配机器人
代码可见，当前数据页仅100小时；机器人收益仍需真机示范
TouchScale以同一代头部RGB-D、双腕RGB和每手880触点手套，采集500小时、约87000段交互。人类数据无需动作重定向，只训练未来触觉变化，再用每任务50条机器人示范后训练。四任务平均成功从22.5%到57.5%，但数据规模曲线只覆盖一个平台，不能推广为免机器人数据的通用操控。
图解主要方法
人类触觉不带机器人动作，能否先学可迁移接触表示，再帮助真机策略？
- 1
统一多模态采集
头部RGB-D、双腕RGB均30Hz，双手各880法向压力taxel，手套支持50Hz无线/100Hz有线。约2000任务描述、1500物体、800场景配置，数据保留原始时间戳。
- 2
用视觉独立检查触觉
先仅看腕部视频确认接触，再查长期沉默手指；确认多指失效拒绝，单指不确定人工复核。接触外噪声另二次核验并记录，不单独决定拒绝；小指和掌部排除缺失判断。
- 3
跨传感器用12解剖区域评价
各数据保留原生格点训练，只在评估按区域汇聚。序列最大压力归一化，taxel阈值0.1且区域活跃比例超过0.2判接触，按序列宏平均，不能当绝对测力精度。
- 4
冻结主干做人类触觉中训
N0-VTLA的3.71B主干冻结，只更新约123.8M投影、预测器和重建头。五潜在token预测50帧约1.67秒后的触觉变化，以停止梯度目标做对称InfoNCE和0.5倍8×8 L1重建。
- 5
机器人示范后训与执行
人类没有动作标签或重定向，中训后的模型再以每任务50条机器人示范适配xArm6+Revo2；同样基座直接后训作为对照。此阶段才学具体机器人动作。
实验与证据
全文及附录6–11全部指标、质检和训练细节读完；v2增加数据购买方说明；图2视觉核验，代码LICENSE、MID_TRAIN、HF元数据及分片实际查看。
来源证据约16小时匹配源数据：EgoTactile零样本cIoU0.134→0.181，vIoU0.185→0.243；完整500小时cIoU0.383。 表2；图4；附录6 ↗
我的解读来源比较的35.1%相对增益与完整数据规模增益不是同一对照；区域指标不能声称新硬件每taxel精确预测。
来源证据相同Hiera-B初始化与训练预算，三个动作识别基准线性均值24.45%、微调49.62%，OpenTouch22.97/48.28。 表3 ↗
我的解读视觉表征迁移有增益但绝对差有限，各预训练数据规模不同，不能单独归因硬件密度。
来源证据每任务20次，软硬分类2→12次、瓶盖8→14、试管6→12、擦板2→8；平均22.5→57.5%。 表4；4.3 ↗
我的解读+35个百分点是四任务观察结果，无区间；瓶盖任务文本主要拾取转移，不能自动理解为旋拧瓶盖。
来源证据中训数据0/20/40/60/80/100%对应均值22.5/30/32.5/50/50/57.5%。 图6 ↗
我的解读支持范围内总体上升，不是已拟合普适幂律，60与80%持平。
来源证据未来触觉Train Top-10从0.18%到3.31%，候选5469；Val3070、合池8539，合池100%为2.49%，80%2.69%。 附录9；表5 ↗
我的解读这是潜表示检索，不是3.31%任务成功或物理触觉准确率；不同候选池不可直接比较。
来源证据触觉误差与动作误差r0.119、p0.020，对照r0.003。 4.3 ↗
我的解读弱相关不构成触觉预测改善导致动作改善的机制证明。
开放情况与使用许可
仓库有qc与n0-vtla实现及训练文档。HF数据卡明确当前100小时、完整500小时计划11月前；430个tar分片可列出，gated=auto，未登录原始README请求401，未下载或检验全部数据。未核实TouchScale训练后权重发布，基础N0权重另有条款。
LICENSE根代码MIT；n0-vtla目录CC BY-SA 4.0及第三方通知，基础模型受Gemma条款；HF数据标CC BY-NC 4.0。论文arXiv非独占，原图2必要评论署名引用。
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
规模匹配16小时跨数据比较，以及同硬件50–500小时规模实验，区分来源和数量。
中训冻结主干、只学触觉路径，机器人对照用相同50条示范和后训流程。
反方 · 哪些结论还不够
57.5%仅80次真机试验的四任务均值；未证明跨形态、未见任务迁移或消除机器人示范。
未来触觉所谓准确率是候选检索Top-10，3.31%不是压力重建准确率；池合并结果不单调。
论文InfoNCE温度0.07，已发布MID_TRAIN文档写1.0；仓库称剪切力但论文只法向压力，复现前需核实配置与数据。
综合判断
统一采集的人类触觉规模化有明确实验价值，机器人收益也值得复核；应将500小时研究集合、100小时当前可申请数据、开源代码与基础模型许可分开。
我会先做的验证
建议实验（尚未执行）：复核发布配置温度和压力通道，按参与者/物体/场景留出，多机器人与多训练种子比较；固定总计算量测试规模，独立人工标注质检误拒漏拒并报告实际同步误差。