世界模型有觸覺了！50萬小時視頻，訓出首個隱式觸覺世界動作模型

世界模型正式跨入觸覺感知的新紀元。過去這類模型主要依賴視覺與空間訊息來理解環境，但對於觸覺這項人類與物體互動時的關鍵感官，始終難以有效納入。如今，研究團隊成功開發出全球第一個隱式觸覺世界動作模型，讓人工智慧不僅能「看見」，也開始能「感覺」物體受力的細微變化。 這項突破的關鍵來自於規模龐大的訓練資料。團隊蒐集了多達五十萬小時的真實影片，內容橫跨日常生活與工業操作，從按壓遙控器按鈕、捏起軟性食材，到操作工具與精密零件組裝，涵蓋各類手部與物體互動的連續畫面。系統從這些影片中，自動學習物體在受力時的形變、滑動、擠壓等細膩動態，並將這些隱含的觸覺訊息內化為動作預測的基礎。 不同於傳統觸覺感測技術需要昂貴且校準複雜的硬體，這套模型採用「隱式學習」策略：不直接模擬物理觸感，而是透過視覺觀察來推論觸覺行為。研究人員指出，當模型看到手指壓下一塊海綿，它並不需知道海綿的彈性係數，而是從影像中凹陷區域的變化，學會預測不同施力下可能出現的反應。這項設計大幅降低了對專用感測器的依賴，也使模型更容易在各種場景中部署。 模型的訓練涵蓋超過五十萬小時的多元場景影片，場景之豐富讓系統得以接觸各種材質、形狀與操作情境。無論是輕觸羽毛的細微晃動，還是用力握緊金屬工具的剛性回饋，模型都能在觀看影片的過程中逐步建立動作與觸覺反應之間的關聯。這種從大量視覺資料中提煉觸覺規則的方法，展現了資料驅動策略在感官理解上的潛力。 測試結果顯示，這套隱式觸覺模型在預測任務上表現出色。它能根據視覺輸入，準確判斷不同材質、施力大小與接觸角度下物體的反應。例如，按壓軟墊時預測凹陷深度與回彈時間，或是在抓握玻璃杯時估算滑脫風險。這類精準的預測能力對機器人而言極具價值，能讓機械手臂在執行抓取或組裝任務時更細膩地調整施力，避免損壞物件。 這項成果不僅補足了世界模型長期缺乏的觸覺維度，也為人機協作帶來突破性進展。以往機器人若要感知觸覺，往往需要加裝壓力感測器或力矩感測器，不僅成本高，也容易受到環境干擾。現在透過純視覺的隱式學習，機器人可以在不增加硬體負擔的情況下，獲得接近觸覺的判斷能力，從而更流暢地與人類合作完成複雜作業。 虛擬實境與沉浸式體驗同樣可望受益。未來的虛擬互動不再僅依賴手勢辨識或視覺回饋，而能透過模型推算出虛擬物體被觸碰時應有的形變與阻力，讓使用者在操作時感受到更真實的物理反應。這對於遠端操控、教育訓練或數位孿生模擬等應用，將帶來更自然的互動體驗。 遠端操控技術也有新想像空間。操作人員在另一端操作機械手臂時，若手臂端能透過視覺即時預測接觸狀態，並將觸覺資訊回傳給操作者，就能大幅提升遠距作業的直覺性與精準度，特別是在危險環境或醫療手術等對觸感要求極高的場合。 研究團隊強調，這套模型目前雖然還無法模擬細緻的溫度或表面紋理，但已經成功證明，隱式學習能讓視覺模型掌握相當豐富的觸覺行為規則。隨著訓練資料的持續擴充與模型架構的改進，未來觸覺世界動作模型將有機會涵蓋更廣泛的感官範疇，成為機器人與虛擬系統理解物理世界的重要基石。 這場從視覺到觸覺的跨越，不僅象徵世界模型的能力邊界向外拓展，更預示著人工智慧與實體環境的互動即將邁入更自然、更全面感知的新階段。對於機器人、虛擬實境以及各類自動化系統而言，擁有觸覺理解的模型將不再是遙遠的願景，而是已經到來的現實。