一句话定义：Tactile Foundation Model（触觉基础模型）是在大规模、多来源触觉数据上预训练的模型，目标是学到一个能迁移到不同机器人、不同任务的「通用接触表征」，而非只为某一次抓取调出来的专用模型。
为什么现在才出现：视觉靠大规模预训练跑通了，触觉却长期停在「一个任务一套标定」。难点在信号本身很碎：采样率高、连续变化，每家传感器排布和量纲都不同，换只机械手数据几乎作废；采集成本又高，得真让机器人去摸。
打个比方：人学揉面不靠背配方，而是揉过上百次后手上有「这个硬度该加水了」的直觉，这股直觉能迁移到包饺子、拉面。触觉基础模型做的就是这件事：把成千上万次真实接触压缩成一个「手感先验」。
核心是触觉 AI 词典：Token">Token 化（tactile tokenization）。把连续的压感、形变、振动切成离散 token，就像把语音切成音素、文本切成词元。一旦成为 token 序列，「预测下一个触觉 token」就能复用语言模型那套 Transformer 做自监督预训练，掩码重建、对比学习都跑得起来。LingBot-Touch 是这一波开源代表，思路正是先把触觉信号 token 化再大规模预训练，然后向下游任务迁移；具体能力、支持的硬件与开放范围以官方页面为准。
| 概念 | 关注点 | 产出 |
|---|---|---|
| 触觉传感器 | 把物理接触转成电信号 | 原始波形或图像 |
| 触觉数据集 | 采集与标注 | 静态数据 |
| 触觉基础模型 | 从数据中学通用表征 | 可迁移的 token / embedding |
| VLA 模型 | 视觉、语言到动作 | 动作指令 |
和相邻概念的区别：传感器解决「有没有信号」，数据集解决「有没有数据」，基础模型解决「这些数据能不能复用」。它和 VLA（Vision-Language-Action）是互补关系：VLA 决定「往哪动」，触觉基础模型提供「用多大劲、什么时候停」。
实际意义：对从业者，最直接的价值是不必从零采数据训模型，换硬件时也不必推倒重来，微调成本大幅下降；对普通人，搬箱子这类靠视觉就能干的活机器人已经做得不错，真正卡住进家庭的是叠衣服、拧瓶盖、插插头这些必须靠手感的动作，通用手感正是那道门槛。