Tactile-WAM：具触觉非对称注意力的触觉感知世界动作模型

世界动作模型（WAM）一并生成动作与预测未来，为机器人决策提供强大接口。然而，在富接触操作中，视觉上合理的未来在物理上可能不完整：插入、装配、搜索和重定向常依赖滑移、卡滞、接触法线或 RGB 中弱可见或隐藏的小对齐误差。自然解法是预测未来触觉状态，但我们识别出触觉污染这一失败模式：无约束触觉 token 注入迫使视觉动态模型吸收稀疏、局部、事件驱动的接触信号，从而退化视频与动作预测。为此，我们提出 Tactile-WAM，一种具触觉非对称注意力机制（TAAM）的触觉感知 WAM。TAAM 结合 VideoClean 掩码（阻断视频查询对触觉键/值 token 的访问，同时保留动作查询访问）与用于动作注意的触觉感知偏置。VideoClean 掩码保护视觉预测，同时使接触信息可用于动作生成；触觉感知偏置由预测触摸变化导出，并在去噪过程中调制动作对触觉 token 的注意力。在 ManiFeel 上，Tactile-WAM 总体平均成功率提升 38.9%，在富接触任务上提升 86%。