VLA-Touchは、触覚センシングを組み込むことでVision-Language-Action（VLA）モデルを強化する手法です。従来のVLAモデルは視覚と言語入力に依存しており、柔らかさ、粗さ、内部構造などの特性が重要となる接触の多いタスクには不十分です。触覚フィードバックを追加することで、VLA-Touchはロボットがこれらの隠れた属性を知覚できるようにし、オブジェクトを繊細かつ効果的に操作する能力を向上させます。このアプローチは、食品の取り扱い、部品の組み立て、正確な力とテクスチャセンシングが重要な医療処置などのタスクに特に関連性があります。
VLA-Touchは、視覚言語行動モデルに触覚フィードバックを統合し、接触の多い操作を改善します。