接触丰富的机器人操作有一个直接问题：动作开始后，接触状态可能在一个动作周期内持续变化，但许多视觉语言动作模型会根据执行前采集的观测，一次性预测完整的动作片段。这样一来，模型实际执行动作时使用的触觉信息已经滞后。TacForcing针对这一问题提出流式动作生成框架，把执行过程中的触觉反馈纳入动作生成，而不是等到下一个完整动作片段再重新决策。

从动作块到流式生成

现有的分块式视觉语言动作模型通常先观察环境，再生成一组连续动作，并在之后执行这组动作。对于接触状态变化明显的任务，这种方式难以及时修正。已有的触觉响应方案通常会额外配置高频控制器，用它处理执行中的触觉信号，但这会带来独立控制模块，以及相应的架构和训练复杂度。

TacForcing选择替换标准的动作专家，改用流式动作专家。它根据执行过程中不断获得的触觉观测，持续生成动作，因此不需要另设一个反应式控制器。论文的核心变化不只是增加触觉输入，而是让动作生成过程本身具备随执行状态更新的能力。

EATA如何对齐时间

论文还提出Execution-Aware Tactile Attention，即执行感知触觉注意力。其做法是把触觉条件限制在即将执行的动作上，减少触觉采集时刻与动作真正执行时刻之间的时间错配。对于动作序列而言，并非所有未来动作都应该同等依赖当前触觉信息；让触觉主要影响临近执行的动作，有助于降低过时反馈对动作生成的影响。

在六个模拟UniVTAC任务中，TacForcing的平均成功率为65%；在三个真实世界的接触丰富操作任务中，平均成功率为69%。论文称，这一结果在模拟和真实设置中都超过了较强基线。材料没有进一步给出各任务的单项结果，因此更适合把它理解为整体实验层面的改进，而不是对所有任务都成立的统一幅度提升。

我的判断

TacForcing的价值在于，它把触觉反馈放回动作生成主流程，针对的是分块预测与执行时状态变化之间的结构性矛盾。流式动作专家和EATA分别处理持续更新与时间对齐，思路清晰，也避免了额外高频控制器带来的系统复杂度。它的适用边界同样明确：论文聚焦接触丰富的操作，不能据此推断对所有机器人任务都有同样收益；目前材料也没有说明训练成本、推理开销和不同触觉传感条件下的表现。对需要在接触过程中快速修正动作的机器人系统，这是一条值得继续验证的路线。