已往，，，VLA模子主要依赖视觉和语言来完成机械人操作，，，但在真实场景中，，，许多使命并不是望见就能做好。。
。好比插头插入、按钮按压、擦白板等接触富厚使命，，，真正影响乐成率的是接触力、阻力转变、摩擦和细微形变。。
。 这篇论文关注的正是VLA的力觉短板。。
。论文提出FD-VLA，，，通过力蒸馏机制，，，让模子在训练阶段使用真实力信号学习潜在力体现；；；；；；在推理阶段，，，则不再依赖实体力传感器，，，而是凭证视觉视察和机械人本体状态展望力标记，，，并与视觉语言信息配合天生行动。。
。这样既保存了力觉对接触操作的资助，，，又降低了真实安排时对腾贵、懦弱传感器的依赖。。
。 立异点主要在于三方面：一是把力觉信息以蒸馏方法融入VLA，，，而不是简朴拼接原始力信号；；；；；；二是使用视觉和本体状态展望接触相关力体现，，，提升使命相关性和鲁棒性；；；；；；三是在真实机械人平台上验证擦白板、按按钮、插头插入等典范接触使命。。
。实验批注，，，FD-VLA整体乐成率显着高于无力觉版本和直接输入原始力信号的要领，，，说明可学习的力体现比粗暴使用传感器数据更有用。。
。 这篇论文的价值在于，，，它把VLA从看懂再行动推进到明确接触再行动。。
。对具身智能研究来说，，，力觉蒸馏、触觉增强、状态建模和接触富厚操作，，，正在成为VLA适用化落地的主要发文切口。。
。