TacEx触觉好奇心探索框架提出

2026年10月15日，arXiv Artificial Intelligence 报道，Klemens Iten 等作者提出 TacEx 触觉驱动探索框架。该工作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，主张触觉反馈为探索提供自然信号，将模型不确定性按感官模态分解，把好奇心导向触觉通道。报道称，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。目前该事件仅有这一篇主报道，尚无后续跟进报道，框架的复现与外部验证情况未见披露。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。