触觉到底哪一路有用？真机对照研究：marker-flow 最关键

视觉触觉传感器一次能输出好几路信号：RGB 图像、深度与法向、以及 marker-flow。做接触丰富的模仿学习时，这些线索通常被打包成「触觉」整体来用，效果提升也常被笼统归因于「加了触觉」。这份资料要回答的问题更细一层：真正起作用的是哪一路，编码与融合方式又占多大分量。之所以值得现在看，是因为「触觉有用」已不算新结论，而选型、布线和编码这些具体决策，恰恰需要把线索拆开、在真机上逐项对照的证据。

研究在 LeRobot 平台上做真机对照，把视觉触觉传感器提供的 RGB、深度/法向、marker-flow 三类线索分别拿来比较，同时评估不同的编码器与视触融合策略。全部结论建立在 720 次真机试验之上，而非仿真环境里的数字，这意味着结果里包含了真实接触的噪声、时序与硬件差异。资料已被 IEEE ROBIO 2026 接收，说明这套对照设计经过了同行评议。换句话说，它提供的不是单点演示，而是一组在统一平台上可横向比较的读数。

最粗的一层结论是：加入触觉后，总成功率从 57.8% 升到 78.9%，相差约 21 个百分点。这个幅度足以说明触觉在接触丰富任务里不是锦上添花。再拆到单一线索，marker-flow 拿到 74.4%，是所有单线索中最高的。值得注意的是，74.4% 仍低于含触觉整体的 78.9%——换句话说，最好的一路单独使用，也追不上多路线索一起用，这提示「只挑最优一路」并不是最优策略。

marker-flow 在单线索中领先，材料给出的解释是它对「已建立接触之后的调控」尤其重要。可以这样理解：接触一旦成立，后续的微调、抗滑与力度维持是另一类问题，marker-flow 这类反映表面形变的信号在这个阶段提供的信息更直接。另一条发现是线索因子化编码能 consistently 提升表现，也就是说，除了「用哪路信号」，「怎么把它们分开编码」本身就是一个独立变量。两点合起来看，性能差异既来自传感器的物理量，也来自表征方式。

对实践的影响，首先体现在评估方式上：笼统报一个「加了触觉提升多少」已经不够，至少要知道增益来自哪一路，否则换传感器或换任务时就无法判断能否复现。如果只能保留少量线索，marker-flow 是应当优先留下的那一路，尤其在任务包含大量接触后调控的阶段。在编码层面，因子化处理看起来比把线索混在一起更稳，选编码器时不妨把它当作默认假设去验证。720 次真机试验这个量级也提示，后续工作若想宣称超过它，需要拿出同等级别的真机证据。

做接触丰富操作、模仿学习与视触融合的读者，能从这里拿走的是一组可对照的成功率读数、一个单线索的排序，以及「因子化编码」这个具体取向。边界也需要说清楚：结论集中在成功率这一层，换到其他平台、其他传感器、其他物体集合上是否同样成立，资料没有给出证据。编码器与融合策略之间的具体差异，材料也只给了方向性判断，没有展开细节。把这些当作选型时的先验、而不是可以直接照搬的配置，会更稳妥。