跳转至

FD-VLA：把"力"蒸馏成一个 token，推理时不用力传感器

📌 一句话省流：Force Distillation Module(FDM)用一个可学查询 token，仅凭视觉+机器人状态预测出"力 token"(对齐真实力的隐表示)；推理时把这个力 token 注入 VLM → 无需物理力/触觉传感器也能力感知推理。还声称蒸馏力 token 比直接用传感器测量更好。

🎬 演示：无明确项目页（arXiv）

🧰 对我们（可用性速判）

  • 对我们的用处：力蒸馏、免传感器力感知(撞 idea3)；"省硬件"思路可借。
  • 真实性(前期)：中（全文，代码未确认）。证据 B。
  • 训练/微调资源：FDM 模块加到 VLM；规模正文未细摘。
  • 能借多少(开源)：代码未确认；现借思路。
  • 可用性结论：仅思路借鉴。

要点（全文核实）

  • FDM：learnable query token（条件于视觉+状态）→ 预测力 token，训练时与真实力隐表示对齐；推理注入预训练 VLM。📄
  • 卖点：① 去掉昂贵/易损力矩传感器，降本; ② 早注入比 ForceVLA 的"后融合 MoE token"更细粒度。📄
  • 对比：Tactile-VLA 编码原始力、ForceVLA 后融合 token；FD-VLA 用蒸馏的早注入 token。📄

🔎 证据 / 来源

💡 与我们的关系（判断来源：🤖Claude，待复核）

  • "免触觉硬件推理"方向的代表，且更激进：FD-VLA 连力传感器都不要(纯视觉+状态预测力)；另一条路线是保留廉价腕力、预测触觉隐变量。
  • 价值：和 HapticVLA 一起，说明"免触觉硬件部署"已是明确方向。

来源