在五种主要人类感官中，触觉无疑是生存的基础，它使我们能够感知物理接触与现实环境中的互动。本文探讨了将触觉感知集成到智能系统中的两个关键挑战：
- 动态触觉信号建模不足，这限制了对时序演变属性的推理；
- 由于缺乏明确的推理机制，触觉基础模型中存在幻觉现象，导致现实世界推理不稳定。
为了解决这些问题，我们提出了TacReasoner，一个用于现实场景中交互推理的动态触觉语言框架。首先，TacReasoner采用动态感知触觉编码器，增强了对动态触觉信号的感知与表示。更重要的是，我们引入了TouchCoT-10k，这是首个针对触觉输入的结构化推理的触觉链思维数据集。在此基础上，我们建立了DynTac-Bench，以系统评估动态触觉感知和现实常识推理。实验结果表明，TacReasoner在多个数据集上表现出与最先进模型的竞争力。值得注意的是，尽管仅使用7B参数，TacReasoner在大多数子任务上超越了14B的VTV-LLM模型，突显了其在触觉常识推理中的有效性和高效性。
博主点评： TacReasoner的提出不仅推动了触觉感知研究的前沿，也为多模态推理提供了新的视角。其动态感知能力和链思维数据集的建立，可能会在未来的智能系统中产生深远影响，值得关注。