Tactile Modality Fusion for Vision-Language-Action Models
यह शोध पत्र TacFiLM को प्रस्तुत करता है, जो एक हल्का पोस्ट-ट्रेनिंग फाइनट्यूनिंग तरीका है जो फीचर-वाइज लीनियर मॉड्यूलेशन के माध्यम से विजन-लैंग्वेज-एक्शन मॉडल्स में टैक्टाइल सिग्नल्स को एकीकृत करता है, जिससे मौजूदा दृष्टिकोणों के कम्प्यूटेशनल ओवरहेड के बिना संपर्क-समृद्ध हेरफेर कार्यों (contact-rich manipulation tasks) में प्रदर्शन में महत्वपूर्ण सुधार होता है।