一句话看懂：研究团队发布 FTP-1，用约 3000 小时、21 种触觉传感器的数据预训练一个通用触觉策略，让机器人在没见过的触觉硬件上也能迁移接触密集型操作能力。这项工作的价值在于尝试把“触觉”从单一传感器绑定中解放出来。
事件核心：发生了什么
FTP-1 由论文作者提出，定位为“首个通用触觉基础策略”。它要解决的是触觉信号的硬件异构问题：图像式、阵列式、状态/力信号格式不同，过去的触觉策略往往绑定固定机器人本体和传感器。FTP-1 用异构编码器把不同触觉输入投影到统一的、与手部功能区域对应的 token 空间（共 24 个槽位，手指、腕部力/力矩等各占其位），再由独立的触觉 Transformer 专家处理，与视觉语言专家分开，最后由动作专家融合生成连续动作。
预训练数据约 3000 小时，来自 26 个数据源、21 种传感器，其中约 20% 为人类演示、30% 为灵巧手机器人、50% 为夹爪数据。作者在 5 种硬件配置上做下游微调：在预训练见过的传感器配置上，接触密集型操作提升 17.2%；在两个未参与预训练的传感器配置上，成功率提升 31%。
为什么重要
视觉基座模型已经比较成熟，触觉却长期是“一机一策”。FTP-1 的路线意义在于：先建立模型层面的统一接口，让触觉策略有一个可复用的起点，而不是每个传感器从头训练。若该思路成立，未来触觉数据的积累和跨硬件复用的成本会下降。不过需要说明：这是论文摘要层面的结论，“首个”是作者主张；两个“未见”传感器仍属于预训练覆盖过的模态家族，且下游任务仍需目标任务的示范数据，并非零样本泛化。
对用户/开发者/创作者的影响
对机器人开发者，FTP-1 提供了一种处理多模态触觉输入的参考架构：传感器专用编码器 + 统一 token 空间 + 独立触觉专家，适合在自有夹爪或灵巧手上做微调实验。作者表示会公开预训练模型、数据集和训练代码，具体开放程度与许可证目前公开信息显示仍需以项目页为准。对关注具身智能的团队，这意味着触觉方向开始出现“基座模型”式的共享起点；但作者自己也承认，数据规模与多样性仍然有限。
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
一是模型、数据集和代码的实际开放范围与可用性；二是“未见传感器”迁移在更多硬件家族和更长任务上的复现结果；三是触觉基座能否与视觉语言动作模型形成稳定分工，而不是仅在特定任务上提升。
来源：alphaXiv
