ACTS：仅用人类交互数据学习视触觉世界模型

2026年10月20日，arXiv Robotics 刊出 Yuxiang Ma 等作者的论文，提出 ACTS——一个仅用人类交互数据训练的视触觉世界模型。据该报道，操作者手持 GelSight 传感器采集第三人称与腕部视频、触觉图像、6-DoF 运动及触觉法向力，据此构建了覆盖三个物体、时长 4.9 小时的双臂数据集 React。论文自述 ACTS 的训练数据全部来自人类物理交互，不依赖机器人采集数据。目前公开信息仅来自这一篇主报道，尚无跟进报道披露模型性能评测、任务泛化表现或数据集开放与使用条件，事件仍处于论文发布阶段。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。