TacEx：触觉好奇心驱动机器人交互

针对强化学习机器人操作样本效率低、随机采样多消耗在无接触自由空间的问题，研究者提出 TacEx 框架，将模型不确定性按感官模态分解，把好奇心导向触觉通道。TacEx 无需任务奖励或专家演示即可让机器人发现复杂接触动力学并学会抓取操作，其采集的交互密集数据集支持离线学习 pick-and-place 策略，还可用于后训练 VLA 模型，在保持高样本效率的同时显著提升下游性能。