# DexTouch-WM：人类触觉预训练

DexTouch-WM：人类触觉预训练

完整文章：https://haiguangboy.com/posts/dextouch-wm

## 核心方法

UniTacHand已经用MANO UV Map统一人机触觉表示，并用人类数据配合少量机器人示范改善操作。DexTouch-WM沿着人机触觉迁移这条路，把问题推进到：这些经验能否训练一个预测未来接触的世界模型？两者在目标上形成衔接，具体表示和架构不同。

## 关键结果

人类经验能迁移，但要分清测到了什么
人类与机器人预训练任务不重合，增加人类数据后，机器人域接触IoU从0.42升至0.59、F1从0.55升至0.71。
下游用100条人类＋100条机器人示范替代200条机器人示范适配世界模型，与真机策略得分的平均相关性从0.646升至0.844；这是评估一致性，不是操作成功率。

## 相关路线对比

- 相反路线 · [An_Open_Foundation_Model_Towards](https://haiguangboy.com/posts/an_open_foundation_model_towards) `an_open_foundation_model_towards_2026_07`：作者主张：共享接触接口和动作空间后，人类触觉可成为机器人预测的扩量轴 contradicts 联合co-training异构人机数据是结构性次优方案
- 相反路线 · [闭的是运动学的环，不是物理的环](https://haiguangboy.com/posts/video2robo) `deng_video2robo_3dgs_based_synthetic_data_from_one_video_enables_scalable_robot_2026_08`：策略评估可信度与合成训练数据价值必须分开验证 contradicts 路线赌注:用运动学一致性 + 3DGS 光真实性,绕开物理仿真
- 同路线 · [Agile-WAM：轻量视触觉联合预测](https://haiguangboy.com/posts/agile-wam) `agile_wam_an_agile_tactile_world_action_model_for_contact_rich_robot_control_2026_09`：视频与触觉专家联合预测，触觉预测相对初始状态的变化 validates 作者主张：多模态预测时距应匹配各自变化速度
- 同路线 · [N0-Foundation:开启触觉新时代](https://haiguangboy.com/posts/mathcaln_0_foundation_towards_the_age_of_tactile_intelligence) `mathcaln_0_foundation_towards_the_age_of_tactile_intelligence_2026_09`：N0-Foundation:开启触觉新时代
- 同路线 · [OpenWAM:正确答案会随规模变](https://haiguangboy.com/posts/openwam_an_open_modular_exploration_towards_systematic_world_action_model_pretra) `openwam_an_open_modular_exploration_towards_systematic_world_action_model_pretra_2026_09`：OpenWAM:正确答案会随规模变
- 同路线 · [PRISM:规模能否替代显式建模?](https://haiguangboy.com/posts/prism_precision_and_contact_rich_real_world_industrial_skill_dataset_with_multim) `prism_precision_and_contact_rich_real_world_industrial_skill_dataset_with_multim_2026_08`：PRISM:规模能否替代显式建模?

## 边界

⚠️ 另一条边界：会预测、会评估，不等于会造训练数据
VLAW通过闭环生成、筛选成功轨迹改善策略；本文沿用记录动作生成未来观测，替换一半真实训练数据后，π0.5真机平均任务得分反而从0.625降至0.494。协议不同，不能直接排名，但结论明确：人类触觉可改善世界预测，合成数据能否改善控制仍须单独验收。

## 作者判断(非论文内容,跨论文综合观点)

💡 与其他路线的联系和分歧
· Dyna-2也报告增加人类视频有利于跨具身迁移；DexTouch-WM补充了触觉方向的证据，但依赖专用手套、动作跟踪与对齐，不能等同于普通视频扩量。
· Video2Robo从物体相对运动提取技能、绕开人手重定向；DexTouch-WM显式对齐手部动作与接触。两者代表不同的信息取舍，任务不同，尚不能互相证伪。