文献：Reactive Diffusion Policy: Slow-Fast Visual-Tactile Policy Learning for Contact-Rich Manipulation
会议：Robotics: Science and Systems（RSS 2025），Best Student Paper Finalist
论文地址：https://arxiv.org/abs/2503.02881
项目主页：https://reactive-diffusion-policy.github.io/
RDP 代码：https://github.com/xiaoxiaoxh/reactive_diffusion_policy
TactAR 代码：https://github.com/xiaoxiaoxh/TactAR_APP
延伸文献：ImplicitRDP: An End-to-End Visual-Force Diffusion Policy With Structural Slow-Fast Learning
期刊：IEEE Robotics and Automation Letters（RA-L 2026）, Vol. 11, No. 8, pp. 10010–10017
论文地址：https://arxiv.org/abs/2512.10946
项目主页：https://implicit-rdp.github.io/
代码：https://github.com/Chen-Wendi/ImplicitRDP

---

1. 研究背景与核心问题

接触丰富操作（contact-rich manipulation）与普通抓取、搬运的本质区别，在于任务成功不仅依赖“末端执行器应该到哪里”，还依赖“接触后应该以多大的力、沿什么方向继续运动，以及环境变化后能否立即修正”。削皮、擦拭、夹持纸杯、拨动开关、插孔等任务都具有这一特点。

视觉模仿学习近年来大量采用 Action Chunking（动作块预测）：策略一次预测未来若干步动作，再按块执行。Diffusion Policy、ACT 等方法因此获得了更好的时间一致性，并能表达停顿、往复等非马尔可夫行为以及多模态轨迹。但代价是：动作块执行期间，本质上仍存在一段开环区间。如果接触状态在块内突然变化，即使策略输入中包含触觉或力信号，也无法保证当前正在执行的后续动作立即随之变化。

论文因此聚焦于三个相互耦合的技术矛盾：

1. 长时序动作建模与高频闭环反应之间的矛盾。 长动作块有利于保持轨迹一致性，却降低反馈刷新速度；缩短动作块虽然能提升闭环频率，却会破坏非马尔可夫行为建模并增加抖动、卡滞。
2. 视觉与触觉/力信号的频率不匹配。 视觉适合提供全局几何和任务上下文，但处理频率低；触觉/力信号只反映局部接触，却需要在几十赫兹甚至更高频率下快速响应。
3. 训练数据质量问题。 接触任务中的“专家动作”与接触力高度相关。如果遥操作员只能看 RGB 图像而感知不到切向力、法向力和扭转载荷，采集到的数据本身就可能存在不稳定接触，最终策略很难学到稳定的“力—动作修正”对应关系。

RDP 的回答不是单纯“给 Diffusion Policy 再加一个 tactile observation”，而是同时解决数据采集与策略结构两个层面的问题：

• 用 TactAR 在遥操作阶段把触觉/力反馈以增强现实方式实时呈现给操作者，提高示范质量；
• 用 Slow-Fast Policy 将复杂轨迹建模和快速触觉闭环分开处理：慢策略负责“计划”，快策略负责“接触后的即时修正”。

图 1（RDP 原文 Fig. 1）TactAR 与 Reactive Diffusion Policy 的整体思想：低频慢策略负责复杂动作块建模，高频快策略依据触觉/力反馈进行闭环修正。
_{来源：Xue et al., RSS 2025, Fig. 1。}

---

2. TactAR：面向接触任务的数据采集系统

2.1 为什么论文首先改造遥操作系统

接触丰富模仿学习的一个容易被忽略的问题是：策略上限受到示范数据上限限制。若操作者在采集削皮数据时只能看相机画面，很难稳定判断刀具是否“压得过重”“刚好接触”或“已经失去接触”。此时动作轨迹中会夹杂大量不一致的力反馈，快策略即使拥有很高模型容量，也难以从数据中识别稳定的反应规律。

TactAR 使用消费级 AR/VR 头显，把机器人末端的触觉/力信息转成三维变形/力场并“附着”在末端执行器附近显示，同时支持 RGB 相机和触觉相机流。这样操作者可以在控制末端位姿的同时直观看到接触方向与强弱。

图 2（RDP 原文 Fig. 2）TactAR 遥操作系统结构：机器人、RGB/触觉/力传感器经过工作站同步与处理后，将三维变形/力场和图像流送入 AR 端。
_{来源：Xue et al., RSS 2025, Fig. 2。}

2.2 三维变形场：统一不同触觉/力传感器的表示

对带 marker 的光学触觉传感器，系统首先从初始帧与当前帧中提取 marker 位置，并计算二维光流：

$$F_t=[{\mathbf{d}}_x,{\mathbf{d}}_y]=\mathrm{Flow}(D_0,D_t).$$

其中 $D_0$ 是无接触状态下的 marker 位置，$D_t$ 是当前时刻 marker 位置。随后构造三维变形场：

$$V_t=[{\mathbf{d}}_x,{\mathbf{d}}_y,{\mathbf{o}}_z],$$

其中 ${\mathbf{o}}_z$ 表示法向方向的偏移量。对于直接输出力的传感器，则可以统一表示为：

$$V_t=[{\mathbf{f}}_x,{\mathbf{f}}_y,{\mathbf{f}}_z].$$

这一设计的关键并不在于“精确恢复真实三维接触力”，而在于构造一个低门槛、可跨传感器、可实时可视化的接触反馈接口。操作者不需要完成昂贵的力/力矩标定，也能看到法向、切向和扭转接触模式。

图 3（RDP 原文 Fig. 3）GelSight Mini 在法向力、切向力与扭转载荷下的 marker 变形场。
_{来源：Xue et al., RSS 2025, Fig. 3。}

2.3 AR 坐标标定

AR 中的虚拟坐标系必须与机器人 TCP/world 坐标对齐，否则变形场虽然可见，却不能正确表达“力从哪个方向作用于末端”。论文采用人工交互式方式调整平移和旋转，使虚拟坐标系与预定义 TCP 位置以及世界坐标原点完成对齐。

图 4（RDP 原文 Fig. 4）TactAR 的 AR 坐标标定过程：由标定前的坐标错位调整到虚拟坐标系与机器人 TCP/world 对齐。
_{来源：Xue et al., RSS 2025, Fig. 4。}

2.4 系统延迟与可复现性

论文附录给出的系统延迟量级为：触觉 marker 跟踪约 $10\mathrm{ms}$，Quest 渲染约 $10\mathrm{ms}$，局域网通信约 $1\sim 6\mathrm{ms}$；光学触觉本身还存在约 $10\sim 60\mathrm{ms}$ 的内部延迟。TactAR 的优势因此不是“零延迟”，而是用消费级硬件获得足以支撑高质量接触示范的实时反馈。

---

3. 为什么传统 Action Chunking 难以同时获得一致性与反应性

RDP 对现有策略执行方式的比较非常重要。原文把四类控制模式放在同一张图中：

• Vanilla Action Chunking：一次预测完整 chunk，块内完全开环；
• Temporal Ensembling：每个时刻重新预测并对多个重叠动作取加权平均，形成“半闭环”；
• RDP Slow-Fast：慢策略保持 chunk 级一致性，快策略在 chunk 内按高频触觉反馈逐步修正；
• Human Control：类似“先做预测性粗动作，再利用触觉快速微调”。

图 5（RDP 原文 Fig. 5）Vanilla Action Chunking、Temporal Ensembling、RDP Slow-Fast 与人类控制模式的对比。
_{来源：Xue et al., RSS 2025, Fig. 5。}

Temporal Ensembling 看似可以兼顾二者，但它本质上是在多个历史预测之间做平滑。当权重偏向新预测时，会接近短 chunk，容易破坏非马尔可夫行为；当权重偏向旧预测时，又会过度平滑，降低对突发接触变化的响应速度。因此，论文提出的核心判断是：“时序一致性”和“闭环反应性”不应依赖一个时间平滑系数折中，而应由不同频率、不同职责的模块显式承担。

---

4. 触觉/力表示：从高维图像到低维接触变量

4.1 PCA 触觉表示

直接把光学触觉 RGB 图像喂入策略存在两个问题：维度高、易受光照/胶层损伤/替换影响。RDP 不直接学习 RGB 触觉图，而是先跟踪 marker 变形，再用 PCA（Principal Component Analysis，主成分分析） 压缩。

把多个触觉帧的二维 marker 位移拼成矩阵：

$$F_{\mathrm{concat}}\in {\mathbb{R}}^{m\times 2n},$$

通过 PCA 得到投影矩阵 $T_{\mathrm{proj}}$：

$$F_{\mathrm{reduced}}=T_{\mathrm{proj}}{F}_{\mathrm{concat}},$$

新触觉帧对应的低维表示为：

$$f_{t^{\prime }}^{\mathrm{reduced}}=T_{\mathrm{proj}}{F}_{t^{\prime }}.$$

论文指出 $d=15$ 已能够较好重建原始变形场。更重要的是，前几个 PCA 主成分具有较清晰的物理可解释性：C1/C3 主要对应切向变形，C2 对应扭转，C4 主要对应法向接触。

对于直接的力/力矩传感器，RDP 则将 **6-D wrench（3 维力 + 3 维力矩）**直接拼接进观测向量。

---

5. RDP 核心算法：Slow-Fast Visual-Tactile Policy

图 6（RDP 原文 Fig. 6）Reactive Diffusion Policy 的训练与推理框架：Stage 1 训练 Asymmetric Tokenizer，Stage 2 在潜在动作空间训练 Latent Diffusion Policy；推理时慢策略低频生成 latent chunk，快策略依据最新触觉/力信号自回归解码动作。
_{来源：Xue et al., RSS 2025, Fig. 6。}

5.1 快策略：Asymmetric Tokenizer（AT）

快策略由一个 1D-CNN 编码器 $\mathcal{E}$ 和一个 GRU 解码器 $\mathcal{D}$ 组成。给定动作块：

$$\mathbf{A}\in {\mathbb{R}}^{T\times D},$$

编码器将其下采样为潜在动作块：

$$\mathbf{Z}=\mathcal{E}(\mathbf{A})\in {\mathbb{R}}^{t\times d}.$$

解码阶段再结合对应的触觉表示：

$$\hat{\mathbf{A}}=\mathcal{D}\left(\mathrm{concat}\left[\mathbf{Z},{\mathbf{F}}^{\mathrm{reduced}}\right]\right).$$

训练目标为：

$$L_{AT}=\mathbb{E}\left[\Vert \mathbf{A}-\hat{\mathbf{A}}{\Vert }_1+{\lambda }_{KL}{L}_{KL}\right].$$

这里最重要的不是 CNN 或 GRU 本身，而是 Asymmetric（非对称）：触觉只进入 decoder，不进入 encoder。这样做的目的，是让 $\mathbf{Z}$ 尽量只保存“高层动作模式/策略”，而将需要实时接触反馈决定的精细位置修正留给 decoder。

换句话说，AT 不只是一个普通自编码器，而是在结构上强迫网络形成如下分工：

$$\text{Latent Chunk }\mathbf{Z}\approx \text{粗粒度动作意图},\text{Tactile/Force}\approx \text{实时接触校正量}.$$

论文测得快策略在 RTX 4090 上单次推理低于 $1\mathrm{ms}$，理论上可支持 $>300\mathrm{Hz}$ 的输入更新；实际实验频率主要受触觉相机帧率限制。

5.2 慢策略：Latent Diffusion Policy（LDP）

慢策略不直接在原始动作空间扩散，而是在 AT 编码后的 latent action chunk 上进行 Diffusion Policy 学习。令：

$${\mathbf{Z}}^0=\mathcal{E}({\mathbf{A}}^0),$$

论文写出的 DDPM 训练目标为：

$$L_{LDP}={\mathbb{E}}_{(\mathbf{O},{\mathbf{A}}^0),k,{ϵ}^k}{\Vert {ϵ}^k-{ϵ}_{\theta }(\mathbf{O},{\mathbf{Z}}^0+{ϵ}^k,k)\Vert }_2.$$

其中 $\mathbf{O}$ 包括视觉、触觉/力和本体状态，$k$ 为扩散步，${ϵ}^k$ 为噪声。实现采用 CNN-based Diffusion Policy，并通过 FiLM 注入条件。

把扩散过程放到 latent 空间有两个直接效果：

1. latent 序列更短、更低维，降低生成成本；
2. 细粒度接触反应已被 AT decoder“剥离”出去，LDP 只需学习更平滑、更宏观的动作多模态结构，因此低频视觉更新也可以工作。

5.3 推理：慢规划 + 快触觉闭环

推理时，慢策略约以 $1\sim 2\mathrm{Hz}$ 生成 latent action chunk；在一个 chunk 内，快策略用最新触觉/力信号以约 $20\sim 30\mathrm{Hz}$ 自回归解码当前动作。实验中由于 GelSight 约 25 FPS，实际使用 24 FPS 的快策略更新；论文同时指出底层 Flexiv RDK 会将动作进一步插值到 $>500\mathrm{Hz}$ 执行。

可以把整个执行过程理解为：

$$\text{RGB + proprioception}\underset{\text{低频}}{\overset{\text{LDP}}{\to }}{\mathbf{Z}}_{0:H}\underset{\text{高频}}{\overset{\text{AT decoder + tactile/force}}{\to }}{\hat{a}}_t.$$

这与传统阻抗控制有相似的功能分层，但快策略不是手工设计的力—位移控制律，而是从示范中学习出来的“可学习反应式控制器”。

5.4 两个容易被忽略、但消融证明非常重要的工程设计

（1）Relative Trajectory Prediction（相对轨迹预测）

RDP 不是让快策略直接回归绝对末端位姿，而是尽量使用相对于 chunk 参考状态的动作表示。相对动作的数值范围更紧凑，使小网络更容易学习“接触变强时往哪里退一点”“失去接触时往哪里补一点”这类局部反应规律，也压缩了 latent 空间。

（2）Latency Matching（延迟匹配）

视觉处理、网络推理、通信和执行均存在系统延迟。如果训练数据中的观测与动作时间对齐方式和实际部署不一致，那么 chunk 切换附近会出现明显的 OOD 状态。RDP 通过对预测/执行步做延迟匹配，保证新 chunk 与当前实际状态具有一致的时间关系，从而减少动作跳变。

表 I（RDP 原文 Table I）RTX 4090 上不同模块推理时间

模块	Diffusion Policy	Slow Policy（LDP）	Fast Policy（AT）
推理时间	120 ms	100 ms	< 1 ms

---

6. 实验设计

6.1 硬件与数据

RDP 使用两台 Flexiv Rizon 4 与 Flexiv Grav gripper，并根据任务组合使用 GelSight Mini、改进版 MCTac 和机器人内置关节力矩/力信息；RGB 视觉使用腕部与外部 RealSense 相机。计算平台为高性能 CPU + RTX 4090。

用于策略学习的示范规模分别约为：Peeling 60 条、Wiping 80 条、Bimanual Lifting 50 条。用于 PCA 触觉表示的数据则通过多种物体与接触模式单独采集。

图 7（RDP 原文 Fig. 7）三个真实机器人接触丰富任务：Peeling、Wiping 与 Bimanual Lifting。
_{来源：Xue et al., RSS 2025, Fig. 7。}

6.2 三类任务分别在测什么

**Peeling（削皮）**主要检验毫米级轨迹精度和扰动后的快速恢复。测试包含无扰动、接触前扰动、接触后扰动，后者最能暴露动作块开环执行的缺陷。

**Wiping（擦拭）**要求末端沿曲面移动并维持合适接触力，同时还要处理曲率变化、旋转与人为扰动，因此更接近“位置—力耦合”的柔顺操作。

**Bimanual Lifting（双臂夹杯抬升）**要求两臂协调地夹紧纸杯：力太小会滑落，力太大会压坏杯体，同时示范中存在两种上升轨迹，用于检验扩散策略是否保留多模态动作建模能力。

6.3 Baseline

核心基线包括纯视觉 Diffusion Policy、加入 raw tactile image 的 DP、加入 PCA tactile embedding 的 DP，以及 RDP 的不同传感器版本。论文还用短 chunk、Temporal Ensembling、绝对动作、去除 latency matching 等设置做消融。

---

7. 主实验结果

7.1 Peeling：最能体现“接触后扰动”的价值

表 II（RDP 原文 Table II）Peeling 任务策略表现

方法	无扰动	接触前扰动	接触后扰动	Overall
DP	0.56	0.58	0.19	0.44
DP + tactile image	0.60	0.49	0.16	0.41
DP + tactile embedding	0.48	0.55	0.15	0.39
RDP（GelSight）	0.98	0.93	0.80	0.90
RDP（MCTac）	1.00	0.84	0.79	0.88
RDP（Force）	0.99	0.98	0.88	0.95

最关键的结果不是 RDP 的最高分，而是：给普通 DP 加 tactile 并没有带来整体提升。 接触后扰动下，DP + tactile embedding 只有 0.15，而 RDP（GelSight）达到 0.80，RDP（Force）达到 0.88。这直接证明瓶颈不只是“有没有触觉输入”，更是“动作执行结构是否允许触觉在 chunk 内改变动作”。

7.2 Wiping：曲面跟踪与自适应接触力

表 III（RDP 原文 Table III）Wiping 任务策略表现

方法	无扰动	接触前扰动	接触后扰动	Overall
DP	0.75	0.70	0.25	0.57
DP + tactile embedding	0.60	0.75	0.15	0.50
RDP（GelSight）	0.85	0.95	0.50	0.77
RDP（Force）	0.95	0.85	0.80	0.87

RDP（Force）在接触后扰动时仍达到 0.80，而普通 DP 为 0.25。这说明快策略不是单纯检测“接触/未接触”，而是在持续利用力信号调整曲面跟踪轨迹。

7.3 Bimanual Lifting：精确夹持 + 双臂协调 + 多模态

表 IV（RDP 原文 Table IV）Bimanual Lifting 任务策略表现

方法	Soft：Clamp	Soft：Lift	Soft：Score	Hard：Clamp	Hard：Lift	Hard：Score	Overall
DP	0%	0%	0.00	0%	0%	0.00	0.00
DP + tactile embedding	10%	10%	0.10	20%	10%	0.05	0.08
RDP（GelSight + MCTac）	100%	100%	0.55	90%	80%	0.40	0.48
RDP（Force）	100%	90%	0.80	90%	90%	0.60	0.70

该任务同时说明 LDP 并没有因为快策略加入而丧失 Diffusion Model 的多模态建模能力：论文观察到 RDP（Force）仍能生成不同的上抬轨迹。

图 8（RDP 原文 Fig. 8）三类任务中的成功案例和 baseline 失败模式：失去接触、轨迹偏差/大接触力、卡滞以及 Temporal Ensembling 过度平滑。
_{来源：Xue et al., RSS 2025, Fig. 8。}

7.4 RDP 到底在“修正”什么

论文把慢策略原始 action chunk 与快策略加入触觉后的 reactive action 进行可视化。典型行为包括：接触力突然升高时产生向上的微小修正；接近黄瓜末端时向下补偿以贴住表面；双臂夹杯接触后产生向外修正，避免挤压纸杯。修正量通常只有亚毫米级，但接触任务中这种微小变化足以决定是否失稳。

图 9（RDP 原文 Fig. 9）RDP 推理可视化：红/蓝点表示慢策略预测的原始动作趋势，绿色箭头表示快策略根据实时触觉反馈产生的修正方向与幅值。
_{来源：Xue et al., RSS 2025, Fig. 9。}

---

8. 消融实验：为什么不是“把 chunk 调短”就够了

表 V（RDP 原文 Table V）Chunk Size 与 Temporal Ensembling 对 Wiping（接触后扰动）的影响

Action chunk size	Temporal ensemble $\tau$	Grasp	Score
8	–	100%	0.15
2	–	20%	0.10
8	0.2	30%	0.05
8	0.5	0%	0.00
8	0.8	100%	0.15
RDP（GelSight）	–	100%	0.50

短 chunk 的问题在于，它会显著降低对停顿、等待、重复尝试等非马尔可夫动作的建模能力；Temporal Ensembling 则对 $\tau$ 非常敏感。RDP 通过结构分工绕开了这个折中。

图 10（RDP 原文 Fig. 10）关键设计消融：绝对动作和去除 Latency Matching 都显著降低 Peeling 接触后扰动表现。
_{来源内容：Xue et al., RSS 2025, Fig. 10；图像为论文原图的在线镜像，数值与 RSS Proceedings PDF 逐项核对。}

原文图 10 给出的下降比例分别约为 59.5%（Absolute Action）与 50.6%（No Latency Matching），说明高频快策略并不是全部，相对动作表示 + 时延对齐同样是系统稳定工作的关键。

8.1 Asymmetric Tokenizer 与完整力信息

表 VI（RDP 原文 Table VI）Peeling 任务的进一步消融

方法	无扰动	接触前扰动	接触后扰动	Overall
DP	0.56	0.58	0.19	0.44
RDP，仅 normal force	0.47	0.62	0.36	0.48
RDP，symmetric tokenizer	0.75	0.62	0.36	0.58
RDP（default）	0.99	0.98	0.88	0.95

这组结果支持两个结论：第一，接触任务并不只依赖法向力，切向力和扭转载荷同样提供重要信息；第二，AT 的非对称结构不是形式设计，若触觉同时进入 encoder，latent 更容易混入低层接触细节，慢—快职责分解会变差。

---

9. TactAR 用户研究：数据质量为什么会影响策略上限

论文邀请 10 名具有不同 VR/IL 经验的用户进行 Peeling 数据采集，每名用户分别采用传统 VR 与 TactAR 各进行 10 次试验，总计：

$$10\times 10\times 2=200\text{ trials}.$$

图 11（RDP 原文 Fig. 11）10 名用户对 TactAR 反馈帮助程度的主观评价：无论操作者还是持物者，至少 70% 认为 AR 触觉/力反馈非常有帮助。
_{来源：Xue et al., RSS 2025, Fig. 11；项目页提供同源原图。}

图 12（RDP 原文 Fig. 12）传统 VR 与 TactAR 的示范质量比较：归一化削皮长度由 0.72 提升至 0.91，稳定接触力比例由 0.58 提升至 0.87。
_{来源：Xue et al., RSS 2025, Fig. 12；项目页提供同源原图。}

为了进一步定量比较接触力稳定性，作者对同一操作者的数据计算窗口长度为 10 步的 Rolling Standard Deviation。TactAR 分布明显集中在较小标准差区域，说明力波动更小。

图 13（RDP 原文 Fig. 13）Peeling 中接触力 Rolling Standard Deviation 的分布：TactAR 数据的力波动更小。
_{来源内容：Xue et al., RSS 2025, Fig. 13；图像为论文原图的在线镜像，曲线与 RSS Proceedings PDF 核对。}

更重要的是，作者用传统 VR 再采集同样数量的 60 条 Peeling 示范训练 RDP（Force），策略得分在三种评测条件下均明显下降，下降幅度超过 30%。这证明快策略学习的是示范中的“接触状态—动作修正”相关性：如果专家自身接触力就非常不稳定，网络无从提取一致规律。

图 14（RDP 原文 Fig. 14）数据质量对 RDP（Force）Peeling 性能的影响：使用无触觉/力反馈的传统 VR 数据训练后，三个测试条件均出现明显下降。
_{来源：Xue et al., RSS 2025, Fig. 14；项目页提供同源原图。}

---

10. 触觉硬件与 PCA 附录图核对

RDP 还在附录中给出改进版 MCTac、PCA 重建和 PCA 主成分解释。这些图不是装饰信息，而是支撑“跨传感器 + 低维触觉表示”论点的重要证据。

图 15（RDP 原文 Fig. 15）改进版 MCTac 的结构设计与在夹爪上的安装方式。
_{来源：Xue et al., RSS 2025, Fig. 15。}

图 16（RDP 原文 Fig. 16）改进 MCTac 的 marker 图像。
_{来源：Xue et al., RSS 2025, Fig. 16。}

**原文内部细节提示：**正文 V-B 在比较 GelSight 与 MCTac 时写到 marker array 为 $7\times 9$ 与 $5\times 7$；附录硬件描述则写到激光加工得到 $5\times 6$ marker array，且 Fig. 16 的可见排列也更接近 $5\times 6$。这是论文文本中的细节不一致，本文不擅自替作者改成唯一答案；复现实验时应以实际传感器配置与开源代码为准。

图 17（RDP 原文 Fig. 17）PCA 低维触觉表示对 marker deformation field 的重建效果。
_{来源：Xue et al., RSS 2025, Fig. 17。}

图 18（RDP 原文 Fig. 18）前四个 PCA 主成分的物理模式：不同分量分别对应主要的切向、扭转与法向变形趋势。
_{来源：Xue et al., RSS 2025, Fig. 18。}

图 19（RDP 原文 Fig. 19）用于构建 PCA 触觉表示的数据采集物体集合。
_{来源：Xue et al., RSS 2025, Fig. 19。}

表 VII（RDP 原文 Table VII）RDP 与 DP 的主要超参数

模块	参数	取值
AT	prediction horizon	32 @ 24 Hz
AT	downsample ratio	4
AT	hidden dim.	32
AT	latent action dim.	4（Peeling），8（Wiping & Lifting）
AT	training epoch	600
AT	max learning rate	$10^{-3}$
AT	weight decay	$10^{-4}$
AT	KL penalty multiplier	$10^{-6}$
LDP	observation horizon	2 @ 12 Hz
LDP	proprioception	relative（Peeling/Wiping），absolute（Lifting）
LDP	image resolution	$240\times 320$
LDP	1D U-Net kernel	3
LDP	hidden dims	512, 1024, 2048
LDP	training epoch	400
LDP	max learning rate	$10^{-4}$
LDP	weight decay	$10^{-6}$
LDP	diffusion iterations	train 100 / inference 8
DP	prediction horizon	16 @ 12 Hz
DP	proprioception	absolute
DP	1D U-Net kernel	5
DP	training epoch	600

---

11. RSS 2025 RDP 的主要创新与学术贡献

11.1 从“观测级融合”推进到“动作级闭环”

此前很多视觉—触觉模仿学习方法解决的是“策略能不能看到 tactile”，RDP 进一步追问“tactile 能不能在一个动作块尚未执行完时改变动作”。这一区别决定了触觉究竟只是状态补充，还是一个真正参与闭环控制的反馈信号。

11.2 以显式频率分工化解 action chunking 的结构矛盾

RDP 没有放弃 Action Chunking，也没有简单把 chunk 缩短，而是把宏观序列一致性和局部快速反馈拆给 LDP 与 AT。慢策略保留 Diffusion Policy 对多模态、非马尔可夫轨迹的建模能力，快策略承担接触阶段的局部反应。

11.3 Asymmetric Tokenizer 把“意图”和“反应”分开编码

AT 的结构性价值在于 latent 的语义约束：encoder 不看到 tactile，迫使 latent 表示高层动作；decoder 才结合实时 tactile/force 完成细节恢复。这比简单多模态 concat 更容易形成可解释的职责分解。

11.4 TactAR 把数据采集质量纳入算法闭环

论文没有把演示数据视为固定输入，而是证明“触觉反馈更好的示范 → 更稳定的接触力 → 快策略更容易学到力—动作对应关系 → 部署性能更高”。这一点使论文形成从数据采集、表示学习到控制执行的完整闭环。

11.5 跨触觉/力传感器验证

GelSight、MCTac 与力/力矩输入均能被同一 slow-fast 框架使用，尤其 GelSight 与 MCTac 的 Peeling 结果接近，说明 PCA deformation representation 对不同光学触觉硬件具有一定可迁移性。

---

12. RSS 2025 RDP 的局限

RDP 的效果显著，但结构上仍存在明确边界：

• 两阶段训练较复杂。 AT 与 LDP 分别训练，latent dimension、下采样率、chunk horizon 等超参数需要协调；
• 快策略看不到完整视觉几何。 它主要依赖 latent + tactile/force。如果慢策略在自由空间阶段就给出错误语义或精确位置，快策略缺少原始视觉信息去重新规划；
• latent compression 可能损失空间精度。 对极精细插孔或自由空间精确对位，潜在动作压缩会引入误差；
• 快通道当前主要处理 tactile/force。 原论文明确指出尚不能同样快速地处理高频视觉；
• 主要是 single-task 学习。 原文提出未来可将 Asymmetric Tokenizer 与 VLA 结合，但 RSS 2025 本身并不是 VLA；
• TactAR 仍非真实手部触觉。 AR 可视化降低成本，却仍不如直接人手触觉直观，并受传感器/渲染/网络延迟影响。

这些局限正是 RA-L 2026 ImplicitRDP 的出发点。

---

第二部分：RA-L 2026 ImplicitRDP——从显式两级层次到端到端结构化慢—快学习

以下图号重新严格对应 ImplicitRDP 原论文 Fig. 1–7，不与前面的 RDP Fig. 1–19 混排。

13. 为什么还需要 ImplicitRDP

ImplicitRDP 对 RDP 的评价非常明确：RDP 的 slow-fast 分解有效，但显式两阶段层次结构会带来三个问题。

第一是 Information Bottleneck（信息瓶颈）。RDP 的快策略只接收压缩后的 latent action 和 force/tactile，不能直接访问原始视觉空间信息，因而在精细接触点选择或自由空间定位中可能损失几何精度。

第二是 Modal Conflict / Compounding Error（模态冲突与模块级误差累积）。如果慢策略已做出错误的高层空间判断，快策略即便感知到力，也不一定知道正确目标在何处。

第三是 Rigid Handover（固定模态交接）。RDP 人为规定“视觉慢、力快、先 latent 后解码”，这种硬编码职责虽然可解释，却限制了单一网络自主调整不同模态权重的能力。

因此 ImplicitRDP 的目标是：保留 slow-fast 的时间结构，但去掉 slow network / fast network 的显式网络层级。

图 1（ImplicitRDP 原文 Fig. 1）ImplicitRDP 的两个核心：Structural Slow-Fast Learning 以时间因果结构实现块内闭环，Virtual-target-based Representation Regularization 通过虚拟目标辅助预测抑制模态塌缩。
_{来源：Chen et al., IEEE RA-L 2026, Fig. 1。}

---

14. ImplicitRDP 的总体框架

ImplicitRDP 使用统一 Transformer Diffusion Policy，同时接收：

• 慢观测：视觉 ${\mathcal{I}}_t$、proprioception ${\mathcal{P}}_t$；
• 快观测：动作时刻对齐的 Force sequence ${\mathbf{F}}_t$；
• noisy action token；
• diffusion timestep $k$。

视觉由 ResNet-18 编码，本体状态与 diffusion step 由 MLP 编码，力序列由 GRU 编码；随后在 Transformer Decoder 中通过 **Causal Cross Attention（因果交叉注意力）**完成融合。

图 2（ImplicitRDP 原文 Fig. 2）ImplicitRDP 网络结构：慢视觉/本体 token、快力 token 和 noisy action token 在 Transformer 中通过因果交叉注意力统一建模。
_{来源：Chen et al., IEEE RA-L 2026, Fig. 2；项目主页提供同源原图。}

---

15. Structural Slow-Fast Learning（SSL）

15.1 关键不是“两张网络”，而是“谁可以看到哪个时间的信号”

标准 Diffusion Policy 在时刻 $t$ 根据观测窗口 ${\mathbf{O}}_t$ 预测一个动作序列：

A t = { a t − h o + 1 , … , a t − h o + h a } . \mathbf A_t=\{a_{t-h_o+1},\ldots,a_{t-h_o+h_a}\}. At​={at−ho​+1​,…,at−ho​+ha​​}.

前向加噪为：

$${\mathbf{A}}_t^k=\sqrt{{\bar{\alpha }}_k}{\mathbf{A}}_t^0+\sqrt{1-{\bar{\alpha }}_k}{ϵ}^k,$$

标准噪声预测损失为：

$${\mathcal{L}}_{ϵ}=\mathbb{E}\left[\Vert {ϵ}^k-{ϵ}_{\theta }({\mathbf{O}}_t,{\mathbf{A}}_t^k,k){\Vert }^2\right].$$

问题在于普通 action chunking 执行一个 chunk 时，后来到达的新力信号不能直接影响已经生成的后续动作。

SSL 的做法是把力信号也变成按时间排列的 token，并设置因果 mask：相对时刻为 $s$ 的 action token，只允许关注到“不晚于 $s$”的 force token，不能偷看未来力信息。这样训练时可以并行使用记录好的整段 force sequence，同时仍满足部署时的因果性。

可以将 mask 理解为：

$$M_{s,j}=\{\begin{array}{ll}0,& j\le s,\\ -\infty ,& j>s.\end{array}$$

因此，网络虽然是单一 Transformer，但从时序结构上已经具有“慢上下文 + 快反馈”的控制能力。

15.2 Consistent Inference：为什么要缓存同一份初始噪声

若每个快控制步都重新从随机高斯噪声开始采样 Diffusion Policy，即使观测只发生微小变化，输出动作序列也可能因为随机噪声改变而不连续。ImplicitRDP 因此使用 DDIM，$\eta =0$ 的确定性采样，并在每个 chunk 开始时只采样一次初始噪声。

慢循环开始：

$${\mathbf{Z}}_{slow}={\mathcal{E}}_{slow}({\mathbf{O}}_{slow}),{\mathbf{A}}^K\sim \mathcal{N}(0,I).$$

随后快循环第 $i$ 步仅更新新的 force context，并取同一噪声序列的前缀：

$${\mathbf{A}}_t^K={\mathbf{A}}^K[:i+h_o+l].$$

再用同一份 cached slow token 与 initial noise 做 DDIM：

$${\hat{\mathbf{A}}}_t^0=\mathrm{DDIM}({\pi }_{\theta },{\mathbf{Z}}_{slow},{\mathbf{Z}}_{fast},{\mathbf{A}}_t^K,\eta =0),$$

最后执行当前预测序列的最后一个动作：

$$a_t={\hat{\mathbf{A}}}_t^0[-1].$$

这样，快循环每次确实利用了最新 force，但生成轨迹仍来自同一个确定性扩散“母序列”，避免了频繁重采样造成的动作跳变。

---

16. Virtual-target-based Representation Regularization（VRR）

16.1 为什么端到端多模态网络会发生 Modality Collapse

把视觉、force 一股脑送进同一个 Transformer，并不意味着网络一定会合理利用两种模态。因为视觉往往已经可以解释大量轨迹变化，网络可能在训练中形成捷径，长期依赖某一种模态，导致接触后无法及时提高对 force token 的权重。这就是论文所说的 Modality Collapse（模态塌缩）。

直接加一个“预测未来 force”的 auxiliary loss 有帮助，但 force 在 TCP 传感器坐标系中，和 world-frame Cartesian action 的语义并不统一；而且自由空间中的小 force 大量来自噪声，如果一视同仁地回归，会浪费模型容量。

16.2 从柔顺控制推导 Virtual Target

经典弹簧—质量—阻尼形式为：

$$f_{ext}=M{\ddot{x}}_{vt}+D{\dot{x}}_{vt}+K(x_{vt}-x_{real}).$$

对准静态接触，忽略惯性与阻尼项：

$$x_{vt}=x_{real}+K^{-1}{f}_{ext}.$$

$x_{vt}$ 可以理解为：如果系统具有刚度 $K$，为了产生当前外力，虚拟命令目标应该位于哪里。它把“力”转成了和 Cartesian action 同一个空间中的“位置偏移语义”。

16.3 自适应刚度相当于自动调整 force 信息的重要性

沿外力方向定义：

$$k_{adp}=\{\begin{array}{ll}{k}_{max},& \Vert f_{ext}\Vert <f_{min},\\ k_{max}-\frac{k_{max}-k_{min}}{f_{max}-f_{min}}(\Vert f_{ext}\Vert -f_{min}),& f_{min}\le \Vert f_{ext}\Vert \le f_{max},\\ k_{min},& \Vert f_{ext}\Vert >f_{max}.\end{array}$$

自由空间时 $\Vert f\Vert$ 很小，$K$ 很大，因而：

$$\Delta x=x_{vt}-x_{real}=K^{-1}{f}_{ext}\approx 0,$$

网络会自然忽略小幅 force 噪声。进入接触后，$K$ 降低，同样的 force 会产生更明显的 $\Delta x$，高强度接触事件因此在辅助目标中获得更高“表示权重”。

最终增强动作向量为：

$$a_{aug,t}=\mathrm{concat}([a_t,x_{vt},k_{adp}]).$$

训练时扩散模型共同预测动作、virtual target 与 adaptive stiffness；部署时只保留真实动作 ${\hat{a}}_t$，辅助维度被丢弃。因此 VRR 是表示正则化，不是部署时额外串联一个柔顺控制器。

---

17. 学习稳定性：v-prediction、Euler angle 与底层控制

Force signal 高频且含噪，Transformer Diffusion Policy 容易过拟合噪声并产生 action jitter。论文采用 **velocity prediction（v-prediction）**替代标准 $ϵ$-prediction：

$${\mathbf{v}}_t^k=\sqrt{{\bar{\alpha }}_k}ϵ-\sqrt{1-{\bar{\alpha }}_k}{\mathbf{A}}_t^0,$$

对应损失：

$${\mathcal{L}}_v=\mathbb{E}\left[\Vert {\mathbf{v}}_t^k-{\mathbf{v}}_{\theta }({\mathbf{O}}_t,{\mathbf{A}}_t^k,k){\Vert }^2\right].$$

旋转表示方面，作者选择 Euler angles，而不是 6D rotation 或 quaternion。论文认为，在其相对动作设置下，Euler 三个分量更独立，有利于回归稳定；同时作者认为相对动作使实际运动范围远离欧拉角不连续与 gimbal lock 区域。这个结论是该实验设置下的经验结果，不应推广成“Euler 总是优于 6D rotation”。

硬件上，作者设计了 compliant fingertip，使刚性环境接触时产生更明显、更容易学习的力—位移变化；底层 Cartesian impedance controller 则提高 PI 中的 integral gain（$k_i:0\to 10$），保持默认 proportional gain，使机器人在该设置下达到约 $0.1\mathrm{mm}$ 的位置跟踪精度。这里的逻辑是：学习策略负责反应性，低层控制器尽量忠实执行策略给出的微小位置调整。

图 3（ImplicitRDP 原文 Fig. 3）实验硬件：Flexiv Rizon 4s、6 轴 F/T、kinesthetic teaching handle/button、腕部相机与自定义 compliant fingertip。
_{来源：Chen et al., IEEE RA-L 2026, Fig. 3。}

---

18. ImplicitRDP 实验设计与结果

18.1 执行频率与参数

相机与策略所用 force/torque stream 都以 10 Hz 记录；内部 F/T 延迟低于 20 ms，ROS2 多传感器同步延迟低于 120 ms。部署时快闭环为 10 Hz，慢循环每 0.6 s 刷新一次。在 RTX 4090 上，每个快循环的推理耗时低于 30 ms，小于 100 ms 控制预算。

VRR 统一采用：

$$f_{min}=0.5\mathrm{N},f_{max}=5\mathrm{N},$$

$$k_{min}=200N/m,k_{max}=10000N/m.$$

每个任务采集 40 条 demonstration，每个报告的成功率来自 20 次二值成功/失败测试。

18.2 三个任务

Box Flipping 要求持续施加适当推力把薄盒翻起；示范约为 8 N，测试中超过 14 N 即判失败，避免“暴力推过去”。

图 4（ImplicitRDP 原文 Fig. 4）Box Flipping：DP 或去除 SSL 的模型容易施加过大力，ImplicitRDP 能维持接触并完成翻转。
_{来源：Chen et al., IEEE RA-L 2026, Fig. 4。}

Switch Toggling 要求达到足够触发力后再拨动开关。视觉几乎看不出“力阈值是否已达到”，因此对 force 闭环非常敏感。

图 5（ImplicitRDP 原文 Fig. 5）Switch Toggling：DP 易过早拨动，RDP 可能因 latent 压缩出现错误接触点，ImplicitRDP 同时利用视觉位置和 force 阈值完成动作。
_{来源：Chen et al., IEEE RA-L 2026, Fig. 5。}

Hole Inserting 只有约 1 mm 裕量，要求发生错误接触后利用 force 继续沿表面修正位置，是最典型的 contact-guided correction。

图 6（ImplicitRDP 原文 Fig. 6）Hole Inserting：ImplicitRDP 可在错误接触后保持接触并逐步调整；DP、RDP 与 FACTR 的典型失败分别表现为大力、漂离或无法完成接触引导修正。
_{来源：Chen et al., IEEE RA-L 2026, Fig. 6。}

18.3 与 DP、RDP 的直接比较

表 I（ImplicitRDP 原文 Table I）与 baseline 的成功率比较

方法	Box Flipping	Switch Toggling	Hole Inserting
DP	0/20	8/20	0/20
RDP	16/20	10/20	5/20
ImplicitRDP	18/20	18/20	8/20

RDP 在 Box Flipping 上已经很强，说明显式 fast force controller 对持续接触确实有效；但在 Switch Toggling 与 Hole Inserting 中，其 latent action compression 和快策略缺乏原始视觉上下文的问题更加明显。ImplicitRDP 直接在原始 action space 中端到端 denoise，并允许 action token 同时访问视觉与 force，因此在“自由空间定位 + 接触后微调”混合任务上更占优势。

Hole Inserting 的 8/20 也说明问题尚未被完全解决：即便 ImplicitRDP 明显领先 baseline，1 mm 裕量的接触引导装配仍然是困难任务。

18.4 SSL 是否真的提供闭环价值

表 II（ImplicitRDP 原文 Table II）Open-loop 与 Closed-loop 比较

方法	Box Flipping	Switch Toggling
w/o SSL and VRR	6/20	5/20
w/o SSL	4/20	15/20
ImplicitRDP	18/20	18/20

即便重新加入 VRR，如果没有 SSL，Box Flipping 仍只有 4/20。原因是持续推力任务要求每个动作时刻根据力变化立即修正，辅助损失本身不能代替闭环执行结构。

18.5 VRR 为什么比直接 Force Prediction 有效

表 III（ImplicitRDP 原文 Table III）不同辅助任务比较

Auxiliary task	Box Flipping	Switch Toggling
None	6/20	6/20
Force Prediction	8/20	10/20
Virtual Target Prediction	18/20	18/20

VRR 的提升不仅来自“多一个监督目标”，而是因为它同时提供：

• 坐标/任务对齐：virtual target 与 Cartesian action 在同一表示空间；
• 自适应重要性加权：自由空间 force 噪声被高刚度压低，接触阶段的真实 force 被低刚度放大。

图 7（ImplicitRDP 原文 Fig. 7）Switch Toggling 中第一层 Transformer 的模态注意力可视化：Virtual Target Prediction 使视觉与 force token 权重随任务阶段明显重分配，说明 VRR 有助于抑制模态塌缩。
_{来源：Chen et al., IEEE RA-L 2026, Fig. 7；项目主页提供同源原图。}

18.6 学习稳定性消融

表 IV（ImplicitRDP 原文 Table IV）Diffusion parameterization 与旋转表示消融

方法	Box Flipping	Switch Toggling
$ϵ$-prediction	9/20	18/20
sample-prediction	7/20	14/20
6D Rotation	16/20	12/20
ImplicitRDP（v-prediction + Euler）	18/20	18/20

这组实验表明，接触丰富任务的成败不仅取决于高层网络结构，还依赖扩散参数化、旋转表示、传感器噪声与底层位置跟踪精度等“系统级”因素。

---

19. 从 RDP 到 ImplicitRDP：算法演进关系

表 8　RDP 与 ImplicitRDP 的核心差异

维度	RDP（RSS 2025）	ImplicitRDP（RA-L 2026）
基本结构	显式两级 Slow Policy + Fast Policy	单个端到端 Transformer Diffusion Policy
Slow 信息	视觉、触觉/力、本体状态	视觉、本体状态等 slow tokens
Fast 信息	tactile/force → AT decoder	force tokens 直接进入统一 Transformer
慢—快实现方式	网络层级分工	因果注意力的时序结构分工
动作生成空间	LDP 在 latent action space 扩散，再由 AT 解码	直接在原始/增强 action space 端到端扩散
块内闭环	AT 高频自回归解码	Causal force tokens + consistent DDIM inference
避免模态塌缩	通过显式 hierarchy 强制职责	VRR 辅助预测主动调整模态权重
优点	模块职责清晰、快策略极快、触觉适配性强	无 latent 信息瓶颈、端到端训练、几何与力统一融合
主要代价	两阶段训练、fast policy 缺少原始视觉	单网络训练更易受多模态噪声/塌缩影响，需要 VRR 与稳定性技巧

最简洁的理解是：

$$\boxed{\text{RDP：显式 Slow-Fast Hierarchy}}⟹\boxed{\text{ImplicitRDP：隐式 Slow-Fast Temporal Structure}}$$

RDP 把视觉与触觉的职责“写进了两个网络”；ImplicitRDP 则把这种职责“写进了时间因果关系和训练目标”，让一个网络自行学习什么时候应该主要看视觉、什么时候应该主要看力。

---

20. 与 Diffusion Policy、阻抗/柔顺控制的关系

20.1 它仍然是 Diffusion Policy，不是传统力控制器

RDP/ImplicitRDP 的最终动作都来自学习策略。触觉/力反馈改变的是策略的动作生成，而不是直接把 $f_{ext}$ 代入一个固定控制律求出最终关节力矩。因此不能把 RDP 简化为“Diffusion Policy + impedance controller”。

RDP 的快策略在功能上类似可学习的局部阻抗修正器；ImplicitRDP 的 Virtual Target 又借用了 compliance control 的物理概念，但 VRR 只是训练辅助目标。真正部署时，策略仍输出 Cartesian action，由低层机器人控制器执行。

20.2 为什么不能只把力作为额外 observation

标准 DP 的形式可以写为：

$${\hat{\mathbf{A}}}_{t:t+H}\sim p_{\theta }(\mathbf{A}\mid I_t,q_t,f_t).$$

即使条件里有 $f_t$，只要该动作块随后开环执行，$f_{t+1},f_{t+2}$ 到来时都不能改变已生成的 chunk。因此“多模态输入”和“多模态闭环控制”是两个不同问题。

20.3 RDP 的思想与经典分层控制很相似

从控制角度看，RDP 可以类比为：

$$\text{低频规划/参考生成}\to \text{高频反馈修正}\to \text{底层执行器控制}.$$

区别在于，上层参考生成和中层反馈修正都通过示范学习得到，而不是传统的解析模型 + 手工增益。

---

21. 与 VLA 的关系：RDP 本身不是 VLA，但其结构非常适合补足 VLA 的“慢”

RSS 2025 原文已明确把与 Vision-Language-Action（VLA） 的结合列为未来方向：可以将 VLA 中的 action tokenizer 替换/扩展为类似 RDP 的 asymmetric tokenizer，使大模型负责低频语义规划和复杂动作分布，触觉/力通道负责高频闭环。

其潜在结构可以概括为：

$$\text{Language + Vision}\stackrel{\text{VLA / Slow semantic policy}}{\to }\text{high-level action tokens}\stackrel{\text{fast tactile/force adaptation}}{\to }\text{reactive robot action}.$$

RA-L 2026 的 ImplicitRDP 又进一步证明，slow-fast 不一定非要拆成两个独立网络，而可以在统一 Transformer 中通过 causal token structure 实现。论文结论同样将扩展到 VLA 和更高频 F/T、tactile sensing 作为未来方向。

因此，从技术演进上看，RDP/ImplicitRDP 对 VLA 的价值不是“让 Diffusion Policy 变成 VLA”，而是提供一种很清晰的接口：让低频大模型负责语义与全局空间上下文，让高频物理反馈真正进入闭环动作生成。

---

22. 论文最值得记住的五个结论

1. 接触任务的关键问题不是有没有 tactile，而是 tactile 能不能在 action chunk 内实时改变动作。普通 DP 加触觉仍可能因为开环 chunk 而表现不佳。
2. RDP用显式 Slow-Fast 分层拆掉“轨迹一致性 vs. 高频闭环”的矛盾。LDP 负责复杂、多模态、非马尔可夫轨迹，AT 负责触觉反应。
3. 示范数据中的力稳定性本身决定策略能学到什么。TactAR 不是配套 UI，而是整个方法的重要组成部分。
4. ImplicitRDP 的核心不是“再换一个 Transformer”，而是把 Slow-Fast 从网络层级改写成因果时间结构，并用 consistent DDIM 保证块内多次推理的一致性。
5. VRR 解决的是端到端多模态策略的模态塌缩。Virtual Target 将 force 映射到 action-aligned Cartesian representation，再利用 adaptive stiffness 自动突出真正重要的接触阶段。

---

23. 对机器人接触操作研究的启示

这两篇工作的价值并不局限于削皮、擦拭或插孔。它们给出了一个可推广的系统设计原则：**不同模态不必以相同频率、相同网络路径、相同监督权重参与控制。**视觉、语言、触觉、力、本体感知所承担的物理角色不同，策略结构也应承认这种异步性。

对于更一般的机器人操作，可将任务拆成三层时间尺度：语义/任务层负责秒级甚至更慢的目标与阶段判断；视觉动作策略负责数百毫秒级的轨迹生成；触觉/力通道负责几十毫秒级的接触修正。RDP 用显式层次实现这一思想，ImplicitRDP 则证明同样的结构可以“隐式”编码进统一生成模型。

这也是两篇论文相对于“直接把所有传感器 concat 后送入大模型”的更重要贡献：多模态融合不是输入拼接问题，而是信息频率、因果关系、反馈闭环和表示空间如何共同设计的问题。

---

24. 局限与后续研究方向

RDP 与 ImplicitRDP 仍留下若干开放问题。首先，目前实验规模仍是少量单任务 real-world demonstrations，尚未证明大规模多任务泛化；其次，ImplicitRDP 的 fast loop 在实验中为 10 Hz，距离工业级高带宽力控制仍有差距；再次，强接触任务仍高度依赖力传感器、柔顺末端以及高精度底层位置控制，学习策略并没有消除硬件设计的重要性。

更值得继续研究的方向包括：VLA + 高频触觉/力闭环、dexterous hand 的高维触觉 token、更高频 F/T sensing、多任务统一 policy，以及把语言/视觉的低频语义 token 与高频物理 token 在同一因果 Transformer 中进行异步更新。ImplicitRDP 已经给出了一个具有可扩展性的基本模板。

---

25. 参考链接

• Reactive Diffusion Policy，RSS 2025 Proceedings：https://www.roboticsproceedings.org/rss21/p052.html
• Reactive Diffusion Policy，arXiv：https://arxiv.org/abs/2503.02881
• Reactive Diffusion Policy，Project：https://reactive-diffusion-policy.github.io/
• Reactive Diffusion Policy，Code：https://github.com/xiaoxiaoxh/reactive_diffusion_policy
• TactAR APP：https://github.com/xiaoxiaoxh/TactAR_APP
• ImplicitRDP，IEEE RA-L DOI：https://doi.org/10.1109/LRA.2026.3710031
• ImplicitRDP，arXiv：https://arxiv.org/abs/2512.10946
• ImplicitRDP，Project：https://implicit-rdp.github.io/
• ImplicitRDP，Code：https://github.com/Chen-Wendi/ImplicitRDP

---