本月国家机构转达新政策四辆车爆胎报警后警车来了也爆胎 很兴奋为您解答这个问题，，，，，让我来帮您详细说明一下。。。。品牌授权报修电话，，，，，快速上门服务

南开区体育中心街道湖北省襄阳市襄州区桥西区留营街道内蒙古呼伦贝尔市阿荣旗山东省潍坊市青州市芜湖市南陵县云南省西双版纳傣族自治州勐腊县山西省晋中市太谷区山西省临汾市安泽县西藏阿里地区日土县蚌埠市龙子湖区门头沟区大峪街道隆安县信阳市平桥区陕西省汉中市南郑区四川省泸州市江阳区南开区长虹街道湖北省宜昌市西陵区河东区东新街道向阳区豆各庄地区河西区桃园街道山东省德州市齐河县内蒙古鄂尔多斯市鄂托克旗云南省西双版纳傣族自治州勐腊县江苏省徐州市山西省晋中市榆社县南开区长虹街道广东省云浮市新兴县辽宁省铁岭市开原市崇左市四川省宜宾市珙县辽宁省铁岭市清河区西藏山南市山东省烟台市龙口市湖北省恩施土家族苗族自治州恩施市辽宁省沈阳市沈河区蓟州区官庄镇元氏县苏村乡湖北省恩施土家族苗族自治州建始县蓟州区东二营镇固原市西吉县南开区体育中心街道甘肃省庆阳市镇原县山西省忻州市定襄县四川省成都会双流区黑龙江省七台河市桃山区辽宁省沈阳市浑南区顺义区空港街道行唐县龙州镇山西省晋中市太谷区福建省厦门市湖里区昌平区阳坊镇江苏省徐州市丰县甘肃省陇南市武都区昌平区小汤山镇四川省宜宾市江安县密云区河南寨镇贵州省安顺市普定县陕西省商洛市山阳县宝坻区牛家牌镇桥西区留营街道辽宁省沈阳市浑南区青海省海西蒙古族藏族自治州德令哈市山西省晋都会高平市丰台区和义街道四川省乐山市井陉县测鱼镇江苏省连云港市赣榆区四川省甘孜藏族自治州吉林省白山市浑江区焦作市中站区北辰区黑龙江省佳木斯市汤原县赞皇县西龙门乡山西省临汾市安泽县芜湖市南陵县山东省淄博市临淄区武清区上马台镇湖北省孝感市汉川市江西省鹰潭市余江区福建省南平市黑龙江省鹤岗市井陉县吴家窑乡行唐县龙州镇辽宁省向阳市北票市宝坻区牛家牌镇阿克苏地区新和县河东区东新街道吉林省白山市浑江区江苏省镇江市句容市巴音郭楞蒙古自治州和硕县海南省？
？？谑忻览记藁氏卦和氛蚋＝ㄊ∑翁锸谐窍崆⒖怂盏厍莩窍胤崽ㄇ鸵褰值浪拇ㄊ」惆彩性莱叵乇焙Ｊ泻３乔愣』葜菔辛畔亟魇∑枷缡猩侠跸

昨日行业报告宣布最新效果李飞飞、Jim Fan、徐丹飞联手，，，，，给具身智能指了一条新路，，，，，很兴奋为您解答这个问题，，，，，让我来帮您详细说明一下:官方服务专线，，，，，支持多品牌报修

内蒙古鄂尔多斯市鄂托克旗辽宁省铁岭市清河区山东省东营市垦利区赵县沙河店镇河东区大直沽街道重庆市县巫山县百色市田林县山西省晋中市榆社县西城区月坛街道南开区体育中心街道信阳市平桥区陕西省西安市未央区海南省？
？？谑忻览记诿晒哦醵嗨故卸跬锌似觳角邮僬蛏轿魇〕ぶ问邢逶亟魇∫舜菏蟹钚孪厮拇ㄊ〕啥蓟峤鹋Ｇ棺魇星哐羰薪帐∧贤ㄊ衅舳兴拇ㄊ∫吮鍪写淦燎霾菏邪錾角挛魇『褐惺心现Ｇ忧烨底蛄赡省大连市旅顺口区新乐市协神乡湖北省宜昌市西陵区喀什地区麦盖提县贵州省铜仁市玉屏侗族自治县河东区大直沽街道陕西省宝鸡市眉县钦州市蓟州区东施古镇山东省聊都会冠县辽宁省沈阳市沈河区山东省烟台市牟平区四川省凉山彝族自治州甘洛县山西省晋中市榆社县平顶山市卫东区大兴区密云区古北口镇贵州省铜仁市印江土家族苗族自治县延庆区沈家营镇内蒙古乌海市乌达区陕西省汉中市南郑区西藏阿里地区日土县芜湖市南陵县甘肃省定西市渭源县青海省海南藏族自治州贵德县乌鲁木齐市沙依巴克区广东省佛山市三水区辽宁省锦州市义县乌鲁木齐市沙依巴克区甘肃省陇南市武都区黑龙江省伊春市金林区广东省汕头市龙湖区昌平区延寿镇云南省丽江市宁蒗彝族自治县山西省朔州市山阴县内蒙古锡林郭勒盟正镶白旗阿克苏地区拜城县四川省成都会新都区江苏省徐州市青海省海南藏族自治州贵德县长安区南村镇北辰区广源街道江西省赣州市石城县马鞍山市博望区内蒙古鄂尔多斯市鄂托克旗信阳市平桥区广东省江门市湖北省襄阳市襄州区广东省深圳市北辰区广源街道四川省广安市岳池县静海区大邱庄镇密云区古北口镇甘肃省庆阳市镇原县江西省景德镇市昌江区蓟州区东二营镇平山县小觉镇湖北省宜昌市西陵区平顶山市卫东区西藏拉萨市达孜区福建省南平市山西省长治市襄垣县阿克苏地区新和县西乡塘区福建省厦门市湖里区福建省漳州市龙海市山西省运都会夏县内蒙古锡林郭勒盟正镶白旗四川省凉山彝族自治州西昌市西藏山南市贡嘎县巴音郭楞蒙古自治州和硕县四川省泸州市江阳区西藏拉萨市达孜区山西省忻州市定襄县重庆市市辖区北碚区辽宁省铁岭市开原市

全球服务区域:黑龙江省佳木斯市富锦市甘肃省白银市景泰县河东区东新街道上海市市辖区嘉定区洛阳市汝阳县密云区不老屯镇贵州省安顺市普定县焦作市沁阳市陕西省宝鸡市千阳县海南省三沙市西沙区陕西省汉中市留坝县广东省汕头市南澳县陕西省西安市未央区陕西省咸阳市兴平市辽宁省沈阳市沈河区昌平区回龙观街道江苏省南京市浦口区上海市市辖区嘉定区西城区天桥街道鹿泉区白鹿泉乡喀什地区叶城县陕西省汉中市留坝县蓟州区东施古镇山西省忻州市定襄县贵州省黔东南苗族侗族自治州天柱县合肥市庐阳区四川省宜宾市江安县南阳市内乡县平顶山市卫东区福建省漳州市龙海市隆安县海南省儋州市钦州市桥西区苑东街道四川省广元市福建省厦门市湖里区陕西省宝鸡市眉县湖北省宜昌市秭归县山东省滨州市海南省？
？？谑忻览记愣≡聘∈行滦讼卦颇鲜∥魉婺纱鲎遄灾沃蒇吕跋啬诿晒盼诤Ｊ形诖锴挛魇『褐惺心现Ｇ寰睬鲜薪值烂磐饭登笥值姥忧烨底蛑厍焓惺邢角表涨拇ㄊ「首尾刈遄灾沃菥帕丶恢萸愿髯蚋仕嗍∏煅羰姓蛟厮拇ㄊ「首尾刈遄灾沃菥帕馗＝ㄊ∑翁锸谐窍崆５砬嗔沤值莱ぐ睬惆步值啦角√郎秸蚬愣》鹕绞腥虾Ｊ惺邢角味ㄇ蕉⊙烫ㄊ辛谑写笮饲诿晒藕袈妆炊邪⑷倨焖拇ㄊ」惆彩性莱叵毓愣≡聘∈行滦讼厣挛魇『褐惺心现Ｇ北省孝感市汉川市山东省枣庄市台儿庄区桥西区苑东街道甘肃省庆阳市镇原县井陉县测鱼镇辽宁省大连市旅顺口区四川省广元市甘肃省白银市景泰县内蒙古鄂尔多斯市鄂托克旗百色市靖西市银川市贺兰县山东省潍坊市青州市贵州省铜仁市印江土家族苗族自治县黑龙江省鸡西市鸡冠区山东省枣庄市台儿庄区辽宁省向阳市北票市山东省烟台市牟平区四川省成都会新都区江西省萍乡市上栗县桂林市兴安县黑龙江省鸡西市鸡冠区亳州市利辛县钦州市博尔塔拉蒙古自治州温泉县北海市海城区行唐县龙州镇向阳区双井街道平山县岗南镇昌平区小汤山镇崇左市宁明县贵州省黔南布依族苗族自治州惠水县和田地区山西省晋都会高平市江西省萍乡市上栗县黑龙江省伊春市金林区蓟州区官庄镇

昨日行业报告更新政策转变李飞飞、Jim Fan、徐丹飞联手，，，，，给具身智能指了一条新路，，，，，很兴奋为您解答这个问题，，，，，让我来帮您详细说明一下:售后服务维修中心电话，，，，，支持多渠道服务

天下服务区域：和田地区福建省福州市罗源县乌鲁木齐市沙依巴克区北辰区昌平区阳坊镇山西省朔州市山阴县平山县岗南镇怀柔区宝山镇辽宁省铁岭市清河区巴音郭楞蒙古自治州和硕县桂林市秀峰区西藏拉萨市达孜区焦作市沁阳市四川省甘孜藏族自治州内蒙古鄂尔多斯市康巴什区阿克苏地区拜城县蓟州区东赵各庄镇向阳区双井街道焦作市中站区平山县宅北乡云南省文山壮族苗族自治州广南县平山县小觉镇山西省忻州市宁武县云南省丽江市宁蒗彝族自治县昌平区阳坊镇辽宁省铁岭市开原市云南省怒江傈僳族自治州福贡县延庆区沈家营镇甘肃省陇南市钦州市鹿泉区寺家庄镇四川省乐山市蚌埠市蚌山区丰台区长辛店镇江苏省南京市浦口区陕西省咸阳市兴平市山东省泰安市泰山区平山县岗南镇贵州省铜仁市玉屏侗族自治县马鞍山市博望区江苏省徐州市丰县桂林市兴安县隆安县昌平区阳坊镇云南省丽江市宁蒗彝族自治县信阳市平桥区赞皇县院头镇广东省汕头市南澳县乌鲁木齐市沙依巴克区山东省滨州市海南省三沙市西沙区崇左市山东省青岛市城阳区四川省成都会金牛区蓟州区东赵各庄镇四川省乐山市固原市西吉县蓟州区东二营镇顺义区空港街道四川省甘孜藏族自治州泸定县丰台区右安门街道云南省文山壮族苗族自治州广南县四川省遂宁市蓬溪县黑龙江省七台河市桃山区武清区汊沽港镇陕西省汉中市留坝县内蒙古呼伦贝尔市阿荣旗贵州省铜仁市印江土家族苗族自治县山东省聊都会冠县昌平区阳坊镇黑龙江省七台河市桃山区陕西省西安市未央区井陉县测鱼镇内蒙古呼伦贝尔市阿荣旗云南省丽江市宁蒗彝族自治县江西省鹰潭市余江区广东省深圳市许昌市建安区江西省鹰潭市余江区西藏拉萨市达孜区黑龙江省七台河市桃山区钦州市内蒙古呼伦贝尔市阿荣旗江苏省南通市启东市向阳区豆各庄地区陕西省汉中市留坝县黑龙江省七台河市桃山区湖北省恩施土家族苗族自治州恩施市陕西省汉中市留坝县云南省文山壮族苗族自治州广南县山西省晋都会高平市崇左市内蒙古乌海市乌达区云南省怒江傈僳族自治州福贡县蓟州区东施古镇广东省云浮市新兴县云南省红河哈尼族彝族自治州泸西县青海省玉树藏族自治州治多县辽宁省沈阳市沈河区山东省淄博市临淄区

售后服务上门服务电话，，，，，智能分配票据：李飞飞、Jim Fan、徐丹飞联手，，，，，给具身智能指了一条新路

2026年炎天，，，，，机械人圈被一个近乎“玄色诙谐”的实验效果炸开了锅。。。。

一支由斯坦福教授李飞飞、英伟达具身智能认真人Jim Fan、佐治亚理工学院助理教授徐丹飞领衔，，，，，联合Pieter Abbeel、Jitendra Malik、Ken Goldberg、Trevor Darrell等多位顶尖学者的“超等团队”，，，，，在一项消融比照实验中遇到了一个百思不得其解的征象。。。。

他们在一个名为π0.5的行业经典模子上做了一件看似理所虽然的事——把触觉信号作为特殊信息输入给模子。。。。按常理，，，，，多一种感知应该多一分精准。。。。效果却令人瞠目：据论文中的消融实验显示，，，，，使命乐成率从17%骤降至6%。。。。

加了触觉，，，，，机械人反而“不会干活”了。。。。

这个反常效果，，，，，像一记耳光打在了整个具身智能行业的脸上。。。。已往几年，，，，，业界的主流做法是把一切感知信息——视觉、语言、触觉——一切转成统一种名堂塞进统一个大模子里，，，，，相信“数据多了自然智能涌现”。。。。T-Rex论文用一组酷寒的数据证实：这条路，，，，，可能从一最先就走偏了。。。。

触觉为什么成了“猪队友”？
？？

问题出在那里？
？？论文作者们给出了一个精练而有力的诊断：频率错配。。。。

据论文及相关手艺解读，，，，，视觉是一种“慢感知”。。。。摄像头以约莫每秒5帧的频率扫描天下，，，，，提供的是稳固的场景语义——知道物体在那里、长什么样。。。。但触觉是一种“快感知”。。。。当指尖接触到物体的瞬间，，，，，压力、滑动、形变等信息以毫秒为单位转变，，，，，触觉反馈自然需要在每秒20次甚至更高的频率下才华施展作用。。。。

打个例如：这就像让一个长跑运发动（视觉）和一个短跑运发动（触觉）在统一条跑道上以同样的速率跑步。。。。长跑运发动以为节奏太快跟不上，，，，，短跑运发动以为节奏太慢憋得慌。。。。把这两种时间标准完全差别的信号强行塞进统一个以低频运行的Transformer里，，，，，效果不是“1+1=2”，，，，，而是“1+1<1”——触觉的高频优势施展不出来，，，，，反而把视觉已经学好的表征搅得一团糟。。。。

换句话说，，，，，不是触觉没用，，，，，是用错了地方。。。。

面临这个结构性矛盾，，，，，研究团队没有在原有框架上修修补补，，，，，而是选择推倒重来。。。。

他们提出了一套名为T-Rex的全新框架。。。。T-Rex既是“触觉反映式灵巧操作”（Tactile-Reactive Dexterous Manipulation）的缩写，，，，，也暗合“霸王龙”之意——虽然霸王龙的前肢短小，，，，，但这篇论文要解决的，，，，，正是一双灵巧手怎样真正“感知”天下。。。。

T-Rex的焦点思绪可以概括为一句话：别再让触觉和视觉抢统一条算力通道了，，，，，给它单独开发一条自力的高速公路。。。。

详细怎么实现？
？？论文提出了一套混淆Transformer专家架构（Mixture-of-Transformers，，，，，MoT） 。。。。所谓“混淆”，，，，，是把机械人的控制权拆解给三位各司其职的专家；；；；所谓“变速率”，，，，，是让三位专家各跑各的时钟频率，，，，，互不滋扰。。。。MoT中的“M”恰恰同时代表了这两层寄义。。。。

第一位专家认真“看路”和“预判”——它叫潜在专家。。。。 它的使命是处理视觉和语言信息，，，，，展望“接下来场景会酿成什么样”，，，，，为后续行动提供时间上的上下文。。。。说白了，，，，，它在提前想好下一步会爆发什么。。。。

第二位专家认真“画草图”——它叫行动专家。。。。 它从一片“噪声”最先，，，，，通过一步步去噪，，，，，天生一个大致的行动走向——“手往这个偏向移动”。。。。这个？
？？榈脑诵衅德试寄敲棵5次，，，，，对应视觉感知的自然节奏。。。。

第三位专家认真“微调”——它叫触觉专家。。。。 它不加入前期的全局妄想，，，，，只在接触爆发的瞬间启动，，，，，以每秒20次以上的高频实时读取指尖传来的力和形变信号，，，，，在行动专家画好的“草图”上做毫秒级的细腻修正——“力道轻一点”“往左偏一毫米”。。。。

三个专家的协同流程是这样的：行动专家先跑完前几步，，，，，画出一张行动草图；；；；触觉专家从某其中心节点接手，，，，，使用最新的触觉数据完成剩余方法的精化。。。。行动专家认真“低频去噪”，，，，，触觉专家认真“高频精化” 。。。。潜在专家全程“看路”，，，，，为两者提供视觉上下文。。。。三位专家各跑各的时钟，，，，，各司其职，，，，，最后协同输出完整的行动。。。。

T-Rex 的 Mixture-of-Transformer-Experts（MoT）架构。。。。（图片泉源：T-Rex）

为了让触觉专家真正“读懂”触觉信号，，，，，论文还专门设计了一套时空触觉编码器。。。。焦点是一个VQ-VAE？
？？椤憧梢园阉魅肺桓觥胺牍佟，，，，，把已往十几帧的时序力数据压缩成离散的“触觉词汇”，，，，，既能捕获力的转变趋势，，，，，又能反抗传感器的信号漂移。。。。这样一来，，，，，触觉专家吸收到的就是一套标准化的“触觉语言”，，，，，而非杂乱无章的原始信号。。。。

这套设计的实质，，，，，就是给高频触觉信号辟出一条自力的通道，，，，，不让它被低频的视觉节奏拖累。。。。 三个专家各跑各的频率，，，，，各管各的事，，，，，互不滋扰，，，，，最后再协同输出一个完整的行动——既保存了视觉对全局的把控，，，，，又彻底释放了触觉在接触瞬间的迅速反映能力。。。。

数据层面同样下足了功夫。。。。团队构建了一个100小时的触觉同步数据集，，，，，涵盖200多种日常物品、22种行动基元（抓取、挤压、插入、擦拭、折叠等）、7700多条运动轨迹。。。。与古板做法差别，，，，，这个数据集不是针对某个特定使命录制的，，，，，而是围绕“行动×物体”的组合来组织——22个行动搭配200多种物品，，，，，通过排列组合笼罩尽可能多样的接触场景。。。。这让模子学到的是通用的触觉-行动对应关系，，，，，而非死记硬背特定使命的模板。。。。

训练战略同样极具条理感。。。。团队先用22,889小时的人类第一视角视频举行大规模预训练，，，，，让模子明确人类的手部交互模式；；；；再用上述100小时的机械人触觉数据举行跨模态对齐；；；；最后仅需少量特定使命树模即可完成专项能力的激活。。。。这种渐进式训练的利益是，，，，，触觉能力不需要重新学起，，，，，而是在视觉运动先验已经建设之后，，，，，以相对少的数据“嫁接”进来。。。。

12项“刁难级”使命，，，，，30个百分点的跨越

这套架构究竟有没有用？
？？论文在12项专门为“刁难”机械人而设计的细腻操作使命上举行了严苛测试——翻书页、转移生鸡蛋、擦盘子、挤牙膏、分纸杯、分拣麻将、开锁、填药盒、模拟化学滴定、抽卡片、发扑克牌、拧灯胆。。。。每一项都要求机械人对接触力举行动态的、即时的调理。。。。

T-Rex 完成翻书等接触麋集型使命（图片泉源：T-Rex）

最终效果令人振奋：T-Rex相较此前最强的基线模子，，，，，在这12项使命上取得了凌驾30%的平均乐成率提升。。。。在翻书页、分纸杯等对力度极为敏感的使命中，，，，，T-Rex的体现从“险些不可用”跃升到了“起源具备适用价值”。。。。

进一步的消融实验反向印证了设计的精妙：一旦切除所有触觉输入通道，，，，，系统乐成率泛起断崖式下跌；；；；而若是强行作废异步运行机制，，，，，让触觉被迫降频与视觉同步，，，，，性能同样会显著劣化。。。。这恰恰说明，，，，，T-Rex的乐成并非纯粹来自“加了触觉”，，，，，而是来自“用对了触觉”——给它自力的节奏、自力的通道、自力的处理逻辑。。。。

T-Rex这篇论文的价值，，，，，远不止于一组漂亮的实验数据。。。。它用一个极具说服力的反例，，，，，向整个具身智能行业发出了一个明确的警示信号：

“万物皆token、一切进大模子”的通用范式，，，，，并不自然适用于所有感知模态。。。。

视觉和语言是“慢变量”，，，，，适合放在统一个重大的Transformer里做全局关联推理；；；；但触觉是“快变量”，，，，，它关乎物理接触和即时反馈，，，，，需要单独的高频闭环控制回路。。。。强行把两者塞进统一个模子，，，，，效果不是融合，，，，，而是污染。。。。

这让人遐想到神经科学中经典的双流假说——视觉腹侧通路认真“识别是什么”，，，，，背侧通路认真“指导怎么做”。。。。T-Rex的混淆专家架构，，，，，某种水平上是在机械人身上复刻了这种生物演化的高级智慧。。。。

虽然，，，，，论文也坦诚了目今的局限性：关于需要数秒级连贯协调的重大操作，，，，，纯粹的行为克隆仍受限于树模数据的笼罩度；；；；目今触觉感知仅限于指尖而非全手掌，，，，，且传感器标定与漂移问题仍是工程痛点。。。。但这些属于“生长中的懊恼”，，，，，并不故障T-Rex所确立的范式意义。。。。

这篇论文转达的焦点信息已经无比清晰：别再让机械人光靠“瞪大眼睛看”来干活了，，，，，是时间让它们学会“伸脱手去摸”。。。。 触觉不应是视觉的附庸，，，，，而应是一条自力的、与视觉平起平坐的物理感知通道。。。。

谁人“17%跌到6%”的反常实验，，，，，或许正是机械人从“望见天下”走向“感知天下”的要害转折点。。。。（本文首发钛媒体APP，，，，，作者 | 硅谷Tech-news，，，，，编辑 | 赵虹宇）

今日行业协会转达最新政策李飞飞、Jim Fan、徐丹飞联手，，，，，给具身智能指了一条新路

2026年炎天，，，，，机械人圈被一个近乎“玄色诙谐”的实验效果炸开了锅。。。。

一支由斯坦福教授李飞飞、英伟达具身智能认真人Jim Fan、佐治亚理工学院助理教授徐丹飞领衔，，，，，联合Pieter Abbeel、Jitendra Malik、Ken Goldberg、Trevor Darrell等多位顶尖学者的“超等团队”，，，，，在一项消融比照实验中遇到了一个百思不得其解的征象。。。。

他们在一个名为π0.5的行业经典模子上做了一件看似理所虽然的事——把触觉信号作为特殊信息输入给模子。。。。按常理，，，，，多一种感知应该多一分精准。。。。效果却令人瞠目：据论文中的消融实验显示，，，，，使命乐成率从17%骤降至6%。。。。

加了触觉，，，，，机械人反而“不会干活”了。。。。

这个反常效果，，，，，像一记耳光打在了整个具身智能行业的脸上。。。。已往几年，，，，，业界的主流做法是把一切感知信息——视觉、语言、触觉——一切转成统一种名堂塞进统一个大模子里，，，，，相信“数据多了自然智能涌现”。。。。T-Rex论文用一组酷寒的数据证实：这条路，，，，，可能从一最先就走偏了。。。。

触觉为什么成了“猪队友”？
？？

问题出在那里？
？？论文作者们给出了一个精练而有力的诊断：频率错配。。。。

据论文及相关手艺解读，，，，，视觉是一种“慢感知”。。。。摄像头以约莫每秒5帧的频率扫描天下，，，，，提供的是稳固的场景语义——知道物体在那里、长什么样。。。。但触觉是一种“快感知”。。。。当指尖接触到物体的瞬间，，，，，压力、滑动、形变等信息以毫秒为单位转变，，，，，触觉反馈自然需要在每秒20次甚至更高的频率下才华施展作用。。。。

打个例如：这就像让一个长跑运发动（视觉）和一个短跑运发动（触觉）在统一条跑道上以同样的速率跑步。。。。长跑运发动以为节奏太快跟不上，，，，，短跑运发动以为节奏太慢憋得慌。。。。把这两种时间标准完全差别的信号强行塞进统一个以低频运行的Transformer里，，，，，效果不是“1+1=2”，，，，，而是“1+1<1”——触觉的高频优势施展不出来，，，，，反而把视觉已经学好的表征搅得一团糟。。。。

换句话说，，，，，不是触觉没用，，，，，是用错了地方。。。。

面临这个结构性矛盾，，，，，研究团队没有在原有框架上修修补补，，，，，而是选择推倒重来。。。。

他们提出了一套名为T-Rex的全新框架。。。。T-Rex既是“触觉反映式灵巧操作”（Tactile-Reactive Dexterous Manipulation）的缩写，，，，，也暗合“霸王龙”之意——虽然霸王龙的前肢短小，，，，，但这篇论文要解决的，，，，，正是一双灵巧手怎样真正“感知”天下。。。。

T-Rex的焦点思绪可以概括为一句话：别再让触觉和视觉抢统一条算力通道了，，，，，给它单独开发一条自力的高速公路。。。。

详细怎么实现？
？？论文提出了一套混淆Transformer专家架构（Mixture-of-Transformers，，，，，MoT） 。。。。所谓“混淆”，，，，，是把机械人的控制权拆解给三位各司其职的专家；；；；所谓“变速率”，，，，，是让三位专家各跑各的时钟频率，，，，，互不滋扰。。。。MoT中的“M”恰恰同时代表了这两层寄义。。。。

第一位专家认真“看路”和“预判”——它叫潜在专家。。。。 它的使命是处理视觉和语言信息，，，，，展望“接下来场景会酿成什么样”，，，，，为后续行动提供时间上的上下文。。。。说白了，，，，，它在提前想好下一步会爆发什么。。。。

第二位专家认真“画草图”——它叫行动专家。。。。 它从一片“噪声”最先，，，，，通过一步步去噪，，，，，天生一个大致的行动走向——“手往这个偏向移动”。。。。这个？
？？榈脑诵衅德试寄敲棵5次，，，，，对应视觉感知的自然节奏。。。。

第三位专家认真“微调”——它叫触觉专家。。。。 它不加入前期的全局妄想，，，，，只在接触爆发的瞬间启动，，，，，以每秒20次以上的高频实时读取指尖传来的力和形变信号，，，，，在行动专家画好的“草图”上做毫秒级的细腻修正——“力道轻一点”“往左偏一毫米”。。。。

三个专家的协同流程是这样的：行动专家先跑完前几步，，，，，画出一张行动草图；；；；触觉专家从某其中心节点接手，，，，，使用最新的触觉数据完成剩余方法的精化。。。。行动专家认真“低频去噪”，，，，，触觉专家认真“高频精化” 。。。。潜在专家全程“看路”，，，，，为两者提供视觉上下文。。。。三位专家各跑各的时钟，，，，，各司其职，，，，，最后协同输出完整的行动。。。。

T-Rex 的 Mixture-of-Transformer-Experts（MoT）架构。。。。（图片泉源：T-Rex）

为了让触觉专家真正“读懂”触觉信号，，，，，论文还专门设计了一套时空触觉编码器。。。。焦点是一个VQ-VAE？
？？椤憧梢园阉魅肺桓觥胺牍佟，，，，，把已往十几帧的时序力数据压缩成离散的“触觉词汇”，，，，，既能捕获力的转变趋势，，，，，又能反抗传感器的信号漂移。。。。这样一来，，，，，触觉专家吸收到的就是一套标准化的“触觉语言”，，，，，而非杂乱无章的原始信号。。。。

这套设计的实质，，，，，就是给高频触觉信号辟出一条自力的通道，，，，，不让它被低频的视觉节奏拖累。。。。 三个专家各跑各的频率，，，，，各管各的事，，，，，互不滋扰，，，，，最后再协同输出一个完整的行动——既保存了视觉对全局的把控，，，，，又彻底释放了触觉在接触瞬间的迅速反映能力。。。。

数据层面同样下足了功夫。。。。团队构建了一个100小时的触觉同步数据集，，，，，涵盖200多种日常物品、22种行动基元（抓取、挤压、插入、擦拭、折叠等）、7700多条运动轨迹。。。。与古板做法差别，，，，，这个数据集不是针对某个特定使命录制的，，，，，而是围绕“行动×物体”的组合来组织——22个行动搭配200多种物品，，，，，通过排列组合笼罩尽可能多样的接触场景。。。。这让模子学到的是通用的触觉-行动对应关系，，，，，而非死记硬背特定使命的模板。。。。

训练战略同样极具条理感。。。。团队先用22,889小时的人类第一视角视频举行大规模预训练，，，，，让模子明确人类的手部交互模式；；；；再用上述100小时的机械人触觉数据举行跨模态对齐；；；；最后仅需少量特定使命树模即可完成专项能力的激活。。。。这种渐进式训练的利益是，，，，，触觉能力不需要重新学起，，，，，而是在视觉运动先验已经建设之后，，，，，以相对少的数据“嫁接”进来。。。。

12项“刁难级”使命，，，，，30个百分点的跨越

这套架构究竟有没有用？
？？论文在12项专门为“刁难”机械人而设计的细腻操作使命上举行了严苛测试——翻书页、转移生鸡蛋、擦盘子、挤牙膏、分纸杯、分拣麻将、开锁、填药盒、模拟化学滴定、抽卡片、发扑克牌、拧灯胆。。。。每一项都要求机械人对接触力举行动态的、即时的调理。。。。

T-Rex 完成翻书等接触麋集型使命（图片泉源：T-Rex）

最终效果令人振奋：T-Rex相较此前最强的基线模子，，，，，在这12项使命上取得了凌驾30%的平均乐成率提升。。。。在翻书页、分纸杯等对力度极为敏感的使命中，，，，，T-Rex的体现从“险些不可用”跃升到了“起源具备适用价值”。。。。

进一步的消融实验反向印证了设计的精妙：一旦切除所有触觉输入通道，，，，，系统乐成率泛起断崖式下跌；；；；而若是强行作废异步运行机制，，，，，让触觉被迫降频与视觉同步，，，，，性能同样会显著劣化。。。。这恰恰说明，，，，，T-Rex的乐成并非纯粹来自“加了触觉”，，，，，而是来自“用对了触觉”——给它自力的节奏、自力的通道、自力的处理逻辑。。。。

T-Rex这篇论文的价值，，，，，远不止于一组漂亮的实验数据。。。。它用一个极具说服力的反例，，，，，向整个具身智能行业发出了一个明确的警示信号：

“万物皆token、一切进大模子”的通用范式，，，，，并不自然适用于所有感知模态。。。。

视觉和语言是“慢变量”，，，，，适合放在统一个重大的Transformer里做全局关联推理；；；；但触觉是“快变量”，，，，，它关乎物理接触和即时反馈，，，，，需要单独的高频闭环控制回路。。。。强行把两者塞进统一个模子，，，，，效果不是融合，，，，，而是污染。。。。

这让人遐想到神经科学中经典的双流假说——视觉腹侧通路认真“识别是什么”，，，，，背侧通路认真“指导怎么做”。。。。T-Rex的混淆专家架构，，，，，某种水平上是在机械人身上复刻了这种生物演化的高级智慧。。。。

虽然，，，，，论文也坦诚了目今的局限性：关于需要数秒级连贯协调的重大操作，，，，，纯粹的行为克隆仍受限于树模数据的笼罩度；；；；目今触觉感知仅限于指尖而非全手掌，，，，，且传感器标定与漂移问题仍是工程痛点。。。。但这些属于“生长中的懊恼”，，，，，并不故障T-Rex所确立的范式意义。。。。

这篇论文转达的焦点信息已经无比清晰：别再让机械人光靠“瞪大眼睛看”来干活了，，，，，是时间让它们学会“伸脱手去摸”。。。。 触觉不应是视觉的附庸，，，，，而应是一条自力的、与视觉平起平坐的物理感知通道。。。。

谁人“17%跌到6%”的反常实验，，，，，或许正是机械人从“望见天下”走向“感知天下”的要害转折点。。。。（本文首发钛媒体APP，，，，，作者 | 硅谷Tech-news，，，，，编辑 | 赵虹宇）

马宁担当主裁判 时隔24年中国裁判再次主哨天下杯

凯时AG

四辆车爆胎报警后警车来了也爆胎