力与触觉基础模型综述（Towards Forceful Robotic Foundation Models）¶
📌 一句话：专门梳理"怎么把力（含本体感知 proprioception 和触觉）接进机器人操作策略学习"——对比不同感知方式、数据采集、行为克隆（BC）、触觉表征学习，并讨论"哪些接触密集任务（倒水、插孔）里力反馈才是真正决定性的"。正对我们触觉×VLA 的命门。
🧰 对我们（速判）¶
- 适合谁读：做触觉/力接入通用策略（VLA）的人；想知道"力到底在哪些任务里不可或缺、在哪里其实可有可无"的人。
- 能当地图吗：✅ 能，且角度务实——它不只罗列方法，还质疑"模仿学习里力常常没被用到决定性程度"，有助于我们设实验对照。
- 新旧：2025-04，新；偏 force/contact + 策略学习视角，纯传感器硬件细节较少。
关键（摘要级）¶
- 📄 分类法：按管线分 = 感知方式（本体力 / 触觉）→ 数据采集 → 行为克隆 → 触觉表征学习，并按"何时力反馈必要"对任务归类。
- 📄 主要结论：接触密集任务（pouring、peg-in-hole）确实需要力反馈；但当前模仿学习里力往往尚未被用到"决定成败"的程度——空间还很大。
- 关联本库：把力写进动作/语言调力见 卡片-Tactile-VLA；力引导自适应融合见 卡片-AdapTac-PredictiveForceAttention；总览见 综述-触觉与VLA路线总览。