📖 摘要

提出DeCAL，基于接触感知的灵巧操作视觉语言动作模型，融合触觉与物理建模。

🔑 关键词速览

DeCAL	一种基于物理的灵巧视觉-语言-动作模型，通过接触感知潜在协同想象统一理解、想象和动作生成。
Vision-Language-Action (VLA) models	视觉-语言-动作模型，结合视觉、语言和动作生成，用于机器人操作任务。
Mixture-of-Transformers (MoT)	Transformer混合体架构，使用多个专家模块处理不同能力，并实现高效信息流动。
Adaptive Visuo-Tactile Fusion	自适应视觉-触觉融合，通过接触感知门控策略动态调节触觉信息的使用。
Visuo-Tactile Latent Co-Imagination	视觉-触觉潜在协同想象，联合建模视觉和触觉动力学，为策略提供隐式物理知识。