UniTac模型：为视觉语言机器人赋予“触觉想象力”

近日，一项名为UniTac的研究工作入选计算机视觉顶级会议ECCV 2026。该研究针对视觉语言智能体在物理交互中的局限性，提出通过整合触觉信息来增强其理解能力。UniTac模型的核心创新在于让机器人具备“触觉想象力”——即能够预测物体接触后的状态变化，而无需实际进行物理交互。

传统视觉语言模型主要依赖图像和文本信息，但在涉及物理操作的任务中，缺乏对触觉反馈的理解往往导致决策失误。UniTac通过多模态学习框架，将视觉、语言和触觉表征进行对齐，使智能体能够推理接触交互的潜在结果。例如，在抓取易碎物品时，模型可以预估不同握持力度可能导致的影响。

这项技术有望提升机器人在家庭服务、工业操作等场景中的自主性和安全性，减少因误判造成的损坏风险。研究团队表示，未来将进一步探索触觉信息与其他感知模态的深度融合，推动具身智能向更精细的物理交互层面发展。