TF²-Steering：用触觉预测与反馈经速度场引导修正机器人动作

TF²-Steering 提出一种通过残差引导流匹配动作专家速度场来修正动作的方法，用触觉混合专家架构同时整合触觉预测与实时触觉反馈。作者指出，当前多数机器人策略以视觉为主，触觉数据有限且接触事件稀疏，直接加入触觉信号可能被忽略甚至损害策略预训练能力。该方法配合三阶段训练流程，使触觉信号能够修正并在必要时重定向流匹配动作生成过程，同时保留视觉基础策略的动作生成能力。在六个仿真和六个真实操作任务上的实验显示，其平均仿真成功率比最强对比基线高 10.7 个百分点，平均真实世界进度成功率（progress success rate）高 9.1 个百分点。