一句话看懂：alphaXiv 2026年10月15日收录的论文提出 Spark-0，用1000小时全手触觉数据辅助视觉预训练，使机器人在无触觉部署条件下任务成功率从52.5%提升至71.7%。
事件核心：发生了什么
Spark-0 是一个空间对齐的视觉-触觉-语言-动作（VTLA）模型，核心设计是把触觉信号用在两个地方：预训练阶段，把触觉手套采集的数据转成图像空间接触图，配合冻结的3D几何教师特征，监督视觉token学习“手在哪里接触、场景结构如何”，这些监督目标和头在推理时全部丢弃；控制阶段，另一条触觉通路编码手部区域力历史和3D触觉点状态，直接为动作专家提供条件信号，绕过视觉语言主干。因此同一份checkpoint可同时支持纯视觉和触觉条件两种部署。
为支撑这种监督，作者构建了 HumanTouch 数据集：1000小时全手触觉人类操作数据，覆盖100多个任务、32名操作者，视频、手部与手腕追踪、60Hz触觉同步采集。同时发布 SparkArena 评测集，包含7个纯视觉仿真任务和5个触觉条件真机任务，在同一个灵巧操作本体上测试。
为什么重要
接触密集的灵巧操作长期依赖触觉传感器，但真实机器人触觉数据采集成本高、规模小，限制了VLA模型的泛化。Spark-0 的思路是把人类触觉手套数据当作“可扩展的监督信号”，而不是只当推理输入。摘要中的对照显示，在相同数据和算力下丢弃触觉信号做纯视觉预训练，Ego Humanoid成功率仅52.5%；保留触觉监督后升至71.7%，SparkArena-Real真机任务也从44.0%升至52.0%。这说明触觉的价值不仅在于策略输入，也在于帮助视觉表征理解接触与几何关系，对行业探索低成本触觉预训练路线有直接参考意义。不过以上均为论文摘要口径，未涉及同行评审结论。
对用户/开发者/创作者的影响
目前公开信息显示，Spark-0 仍处于研究阶段，尚未作为产品、API或开源模型发布。对关注机器人学习的研究者和开发者而言，可重点观察两条路径：一是训练期监督目标与推理期输入解耦，意味着部署端可以不装触觉传感器仍受益于触觉预训练，这降低了硬件门槛；二是触觉缺失用可学习占位符处理而非填零，在工程上区分“无传感器”和“零压力”。创作者如果关注具身智能内容，可追踪 HumanTouch 数据规模和 SparkArena 评测协议是否公开。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 论文代码、HumanTouch 数据集和 SparkArena 是否开源，这决定社区能否复现与比较；2. 触觉手套数据采集方案能否迁移到更多灵巧手本体，影响训练成本；3. 与既有视觉-触觉预训练工作（如摘要中提到的 STAR）的独立对比结果，而非论文自评排名。以上判断仅基于截至2026年10月15日的摘要信息。
来源：alphaXiv
