T-WLA：弥合慢速视觉与快速触觉的鸿沟

📋总体概括

研究团队提出T-WLA架构，解决接触密集操作中视觉策略更新慢、触觉反馈无法独立指导动作修正的问题。该架构通过共享视觉记忆同时驱动动作生成与触觉修正：视觉分支在每次更新时整合图像、任务指令与检索历史生成视觉记忆并缓存，轻量触觉编辑器则结合缓存记忆、当前动作块与触觉输入，直接预测未执行动作的残差修正，无需重跑视觉分支，降低延迟。架构还包含未来图像与未来压力预测，用于增强模型对动态接触场景的前瞻性理解。