Ziyong Wang, Yupei Lin, Runxuan Huang, Liang Lin, Dongyu Zhang, Guangrun Wang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28457 · open-access PDF
Les modèles multimodaux à usage général se sont montrés prometteurs en tant que politiques d'action directe des robots, mais s'ils comprennent la physique sous-jacente aux interactions du monde réel et peuvent appliquer cette compréhension pour guider l'action reste inexploré. Nous enquêtons sur cette question en utilisant la manipulation riche en contacts en tant que plateau de test représentatif, en examinant la compréhension tactile en tant qu'exemple concret de cette capacité plus large. La manipulation riche en contacts nécessite l'interprétation du feedback tactile et l'ajustement des actions après l'obstruction.
Machine translation (Meta M2M100); the English original follows.
General-purpose multimodal models have shown promise as direct robot action policies, yet whether they grasp the physics underlying real-world interactions and can apply that understanding to guide action remains underexplored. We investigate this question using contact-rich manipulation as a representative testbed, examining tactile understanding as a concrete instance of this broader capability. Contact-rich manipulation requires interpreting tactile feedback and adjusting actions after obstruction. Existing learned tactile policies acquire these capabilities through specialized pretraining
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28457, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange