Tac2Real: Reliable and GPU Visuotactile Simulation for Online Reinforcement Learning and Zero-shot Real-World Deployment¶

会议: ECCV 2026
论文: ECCV 2026
领域: 机器人/具身智能
关键词: 视触觉仿真、在线强化学习、仿真到现实迁移、增量势接触、多节点多 GPU 并行

一句话总结¶

Tac2Real 用一个带摩擦项的 PNCG-IPC 软体求解器（Taichi 实现、可插进 Isaac Lab / MuJoCo 等引擎）在多机多卡上以 4,096 环境 4,465 FPS 的速度产出 7×9×2 标记位移场，配合四级标定流程 TacAlign 弥合仿真与真实之间的域差，让全仿真训练的策略零样本迁移到真机盲插销任务，60 次试验成功 55 次（91.7%）。

研究背景与动机¶

视触觉传感器（vision-based tactile sensor, VBTS）已经是接触丰富操作里的主流模态。GelSight 一族通过拍摄弹性体的高分辨率形变图像或标记点位移，把低层接触物理转成与视觉、学习框架天然兼容的感知信号——夹持是否打滑、销钉是否对准孔壁、接触力是否过大，这些在纯视觉下几乎不可观测的状态，在触觉里都写得很清楚。问题出在把这类传感器接进数据驱动的策略训练、尤其是在线强化学习：策略需要在仿真里跑几百万步，每一步都要给出与真实传感器足够接近的触觉读数。而现有触觉仿真器恰好卡在两端——penalty-based 的路线（TACTO、TacSL）只对穿透区域做近似惩罚，可以做得很快、很好扩展，但建模不了弹性体的软体形变与多相接触动力学；基于物理的高保真路线里，Material Point Method 一系（Tacchi / Tacchi 2.0、Difftactile）能较好地还原形变，却在剪切响应和大幅形变下频繁出现数值不稳定与粒子飞溅，而 Incremental Potential Contact 一系（TacIPC、Taccel）虽然保真度高、无穿透无反转，但基本没有面向多 GPU 的并行架构设计。

于是本文面对的核心矛盾很清楚：在线 RL 要的是单步足够便宜，高保真接触仿真要的却是昂贵的求解器，两者在现有实现里是直接对立的。更麻烦的是，即使仿真器本身够准，真机零样本迁移还要跨过两类域差——一类是结构性的（机器人动力学、材料参数、接触模型不一致），一类是随机性的（未建模噪声与环境不确定）。现有工作大多只做传感器–物体（S-O）级别的仿真，没有把整机闭环和域差弥合放进同一个框架里；少数做到整机级的工作（TacSL、TacFlex、Taccel）也各自受限于非物理近似、仅离线模仿学习、或缺失可复现的标定流程。

本文的切入角度是承认这个对立、然后用两件事同时压住它：仿真侧不追求机器精度的收敛，而是选一个每次迭代都极便宜、天然 GPU 友好的求解器，把精度换成吞吐，再用多机多卡把吞吐堆到在线 RL 需要的量级；迁移侧不指望"仿真足够准就自然能迁移"，而是把域差显式拆成结构性与随机性两部分，逐级标定。核心 idea：用共轭梯度替代牛顿法求解带摩擦的增量势接触问题（PNCG-IPC）并以 Taichi 内核 + Ray 集群并行，得到高速高保真的标记位移场仿真；再用 TacAlign 四级标定（机器人控制对齐 → 材料参数辨识 → 任务级接触参数微调 → 域随机化）把结构性域差与随机性域差分别压下去，从而实现触觉策略的零样本真机部署。

方法详解¶

整体框架¶

Tac2Real 由两块组成：一个视触觉仿真器，和一套名为 TacAlign 的仿真到现实标定流程。仿真器在物理引擎外部作为一个插件运行——物理引擎照常按步推进机器人与物体的刚体动力学，Tac2Real 从这一步里取出"传感器弹性体"与"被抓取物体"之间的相对位姿与相对速度，把它当作边界条件喂给 PNCG-IPC 软体求解器推进弹性体形变，最后从变形后的网格上插值出 7×9×2 的标记位移场，与引擎原本的观测拼在一起回给 RL 智能体。因为接口只需要相对量，它不依赖任何特定引擎，Isaac Lab / Isaac Gym / PyBullet / MuJoCo 都能挂。TacAlign 则在训练之前与真机部署之前各跑一遍，从控制增益、弹性体材料参数、任务接触参数到训练期随机化逐级对齐仿真与真实。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["物理引擎：相对位姿与相对速度"] --> B["PNCG-IPC 摩擦接触求解<br/>Taichi GPU 内核"]
    B --> C["标记位移场触觉表示<br/>k-NN 映射 + 加权插值"]
    C --> D["即插即用接口与多机多卡并行<br/>Ray 集群分发环境"]
    D --> E["在线 RL 训练<br/>PPO / 触觉观测"]
    E --> F["TacAlign 四级校准<br/>控制→材料→任务→随机化"]
    F --> G["真机零样本部署"]
    F -.->|校准控制增益与仿真参数| B

关键设计¶

1. PNCG-IPC：用共轭梯度换掉牛顿法，把单步接触仿真压到 GPU 吃得下

IPC 把弹性体的动力学仿真写成一个隐式欧拉下的变分极小化问题，每个时间步的位置由最小化下式得到：

\[E(\mathbf{x}) = \tfrac{1}{2}(\mathbf{x}-\hat{\mathbf{x}})^\top \mathbf{M}(\mathbf{x}-\hat{\mathbf{x}}) + h^2\Psi(\mathbf{x}) + h^2 B(\mathbf{x}) + h^2 D(\mathbf{x})\]

四项分别是惯性势、超弹性能、log-barrier 接触势与摩擦势。⚠️ 原文该公式在缓存全文里被 OCR 破坏，此处按 IPC 的标准形式与其上下文整理，符号细节以原文及补充材料为准。这里的关键改动是：原始 PNCG-IPC 只处理无摩擦接触，本文补上了摩擦势 \(D(\mathbf{x})\)，使夹持、滑动这类靠摩擦传力的接触状态能被正确解出。

真正让它跑得动的是求解器的选择。标准 IPC 用牛顿法配连续碰撞检测（CCD）线搜索，每次迭代精度高但代价大、且在 GPU 上难以并行；PNCG-IPC 改用非线性共轭梯度直接解这个非线性优化，不组装也不分解 Hessian 矩阵，整个算法只需要梯度求值、Hessian 对角元与向量点积——全是 GPU 上高度可并行的操作；线搜索也做了 CCD-free 处理，通过解析地推出步长上界来免掉每一次迭代的碰撞检测。这是一种"用单步精度换迭代吞吐"的设计：一个共轭梯度步当然不如一个牛顿步准，但单步成本低到可以让它在几十次迭代内就收敛到足够精度。对触觉仿真来说，视觉上合理且物理一致的形变远比机器精度的收敛重要，这笔交易非常划算。整个求解器用 Taichi 编写，几十行 Python 就能编译成高性能 GPU 内核，这也是它能当插件塞进各种仿真管线的前提。

2. 标记位移场触觉表示：低维但更敏感，还能直接挂到 IPC 网格上

GelSight Mini 可以输出 320×240 的 RGB 触觉图，也可以输出 9×7 的标记位移场（取决于凝胶类型），本文选后者。选择依据是一次直接的碰撞测试：把传感器装在 Franka Panda 夹爪上夹住销钉，与孔座做静态、下压、前移、后移四种接触交互，同时记录 RGB 与二维标记位移场。结果是标记位移场在四种接触状态间差异显著，而 RGB 图像之间的差别相当微弱——也就是说，标记场对"当前处于哪种接触模式"更敏感。再叠加它本身维度低得多，对大规模 RL 训练而言就意味着观测更规整、学习更高效。

把真实的离散标记和连续的仿真网格对上，用的方法很朴素：用 k 近邻在初始 IPC 网格节点与标记点之间建立映射，然后在形变后的状态里按权重插值出每个标记的位移。这样做还有一个附带好处——完全绕开了光学渲染。如果走 RGB 路线，就得额外建模光照、凝胶表面纹理与相机成像，既引入不确定性，又把观测维度抬上去。本文用"标记 + 几何插值"这条短路，把渲染这一层不确定性整个删掉了。

3. 即插即用接口与多机多卡并行：触觉仿真待在引擎外面，只按相对量对接

在 Isaac Lab 里用一对 GelSight 做在线 RL，最直观的做法是把触觉仿真写进引擎内部，但那样既绑死了引擎、又很难把负载摊到多张卡上。Tac2Real 反过来，让触觉仿真作为外部接口存在：RL 智能体发出动作 → 物理引擎推进一步 → 从这一步里取出被抓物体与传感器之间的相对位置、相对旋转，并算出相应的线速度与角速度 → 交给触觉仿真 → 输出的标记位移场与引擎里的基础观测拼成完整观测回给智能体。整个接口只消费相对物理量，所以它可以直接嵌在叠在引擎之上的环境文件里，例如 Isaac Lab 的 _get_observations() 或者 rl-games 的 play_steps_rnn()，换引擎时不需要改触觉那一侧。

并行则靠 Ray 集群。框架搭起一个含多个节点、每节点多张 GPU 的 Ray 集群，每张 GPU 上实例化一个被 Ray 包装的触觉仿真类，每个类负责一批环境的触觉计算；在线 rollout 过程中这个类的仿真函数被反复调用，输入相对位姿量、返回标记位移场，最后用 Ray 的跨节点分布式通信把各张卡的结果汇总。这样一来加卡就等于线性加吞吐，而 Tacchi 那类需要在单卡上为多个环境构造大背景网格的实现，正是被这部分开销拖住了并行效率。

4. TacAlign：把结构性域差与随机性域差拆成四级来标定

作者并不认为"仿真够准就能迁移"。域差被显式分成结构性（机器人动力学、材料参数、接触模型不匹配）与随机性（未建模噪声、环境不确定）两类，前者用确定性标定压，后者用随机化兜，一共四级。

(i) 机器人控制对齐。 仿真与真机的 Franka 都用笛卡尔阻抗控制，末端目标力为 \(F_{\text{targ}} = k_p \ast (p_{\text{targ}}(a) - p_{ee}) - k_d \ast v_{ee}\)，其中阻尼增益取 \(k_d = 2\sqrt{k_p}\) 以保证临界阻尼。一个自然的想法是让仿真与真机的 \(k_p\) 尽量一致，但作者随机抽了 20 组仿真–真实的 \(k_p\) 配对画轨迹偏差，发现偏差并不随 \(|k_p^{\text{sim}} - k_p^{\text{real}}|\) 变小而单调下降，也没有明显的线性相关——原因是未建模动力学、执行器延迟、摩擦与接触非线性共同把关系变成了强非线性非单调的。所以参数匹配不够，必须做轨迹级对齐：在 6 个规范末端运动（三轴平移与三轴旋转）上最小化轨迹偏差

\[\mathcal{D}(k_p^{\text{sim}}, k_p^{\text{real}}) = \frac{1}{T}\sum_{t=1}^{T}\left\| x_t^{\text{sim}} - x_t^{\text{real}} \right\|^2\]

而且不把任何一侧当作真值，用交替极小化同时更新两侧的增益：先固定真机增益优化仿真增益，再固定新仿真增益优化真机增益，迭代下去把控制器引起的结构性错配一点点磨掉。

(ii) 基线 IPC 标定。 这一步辨识弹性体的材料参数 \(\theta = [E, \nu, \rho, \mu]^\top\)（杨氏模量、泊松比、密度、摩擦系数）。实验台由六自由度定位台、GelSight Mini 与若干 3D 打印压头组成，对每个压头记录三种形变模式下的标记位移场序列；仿真侧搭一个完全相同的标定场景，跑完整形变过程算均方误差

\[\mathcal{L}(\theta) = \frac{1}{KN}\sum_{k=1}^{K}\sum_{i=1}^{N}\left\| u_{k,i}^{\text{sim}}(\theta) - u_{k,i}^{\text{real}} \right\|^2\]

其中 \(K\) 是帧数、\(N\) 是压头数；这个目标对参数不可导，用 CMA-ES 这类无梯度演化策略求 \(\theta^*\)。四个压头（立方体、圆柱、月球形、三角）各做下压 1 mm、滑移 1 mm、旋转 2° 三种形变，步长分别为 0.1 mm、0.1 mm、0.5°。

(iii) 任务级标定。 基线标定只覆盖了弹性体本身的力学响应，真机接触丰富任务里的交互范围更宽，所以还要针对具体任务微调 Isaac Lab 侧的接触参数——摩擦系数 \(\mu_{\text{isaac}}\) 与接触刚度 \(s_{\text{isaac}}\)。作者选了四个代表性接触状态（静止夹持、下压、前向碰撞、后向碰撞），记录仿真与真实的标记位移场序列，以真实测量为参考，把接触参数微调到最近配帧之间的位移场 MSE 低于阈值为止。实验发现 \(\mu_{\text{isaac}}\) 与 Isaac Lab 里的柔性接触设置对缩小 IPC 仿真与真实标记场之间的差距起决定作用。

(iv) 随机化。 把剩余的域差建模为参数不确定性与观测不确定性，在训练时随机化物理参数（控制器增益、摩擦）、几何配置（物体与孔座位姿）与感知通道（末端位姿噪声、IPC 扰动）。这一步是对前三级确定性标定的补充——标定能把结构性差异压小，但压不到零，随机化让策略对残余的低层动力学错配与接触变化保持不敏感。

值得注意的是这四级的时间尺度并不一样：前两级只依赖机器人与传感器本身，同一套硬件只需标一次；第三级本质上是为某个任务构建一份"对齐数据集"，换任务就要重新采集静态与随机接触状态下的标记场序列，论文里用的四种状态是代表性选择。

一个完整示例¶

以一次在线 RL 的训练步为例：512 个环境分布在 4 个节点、每节点 16 张 GPU 上，智能体（rl-games 的 PPO）先输出一步增量式笛卡尔动作。物理引擎（Isaac Lab）推进一步刚体动力学后，框架取出销钉与指尖弹性体之间的相对位置、相对旋转，以及由它们算出的线速度和角速度；经 Ray 分发到负责这批环境的那张 GPU 上，被 Ray 包装的触觉仿真类调用一次 PNCG-IPC：求解器以隐式欧拉步推进弹性体网格，几十次共轭梯度迭代后得到形变状态，再用 k 近邻映射与加权插值取出 7×9×2 的标记位移场。这个位移场与末端位姿 \(p_{ee} \in \mathbb{R}^7\)、上一步动作 \(a_{t-1}\) 拼成观测（不含物体位姿与任何视觉输入），回给智能体计算奖励并更新策略。整个闭环里物体位姿始终不可见，策略只能靠"标记场被压成什么形状"来判断销钉是否已经对准孔口。

损失函数 / 训练策略¶

策略训练沿用 Isaac Lab 里开箱即用的 PPO（rl-games），共享 actor–critic 结构，共 512 个环境，跨 4 个计算节点、每节点 16 张 GPU 平均分配触觉仿真负载，结果取 3 个随机种子的平均曲线。观测只有末端位姿、单指标记位移场与上一动作三项，显式排除物体位姿与视觉数据，以强制策略依赖触觉。动作是经阻抗控制器执行的增量式笛卡尔更新。奖励由关键点对齐形成的任务进展项、以及"接触咬合"与"完成插入"两个稀疏奖励组成，同时对过大的接触力施加惩罚以防撞坏传感器。标定侧的三个目标（控制轨迹偏差 \(\mathcal{D}\)、材料参数 MSE \(\mathcal{L}(\theta)\)、任务级位移场 MSE）分别用交替极小化与 CMA-ES 优化，只影响仿真参数的设置，不参与策略梯度。

实验关键数据¶

主实验¶

作者在两类接触丰富任务上做仿真训练：随机朝向销钉盲插（销钉初始朝向在 \([-35°, 35°]\) 内采样，销钉与孔径均为 8 mm，且插入过程——尤其是进入孔后——必须完全靠主动控制而非重力完成）与随机朝向螺母拧入（螺母初始朝向同样在 \([-35°, 35°]\)，成功定义为拧入 1.5 个螺距）。仿真成功率在 256 个随机初始配置上统计。

任务 / 销钉直径	环境	TacAlign 级别	Tac2Real	TacSL	Tacchi	无触觉
销钉插入 (8 mm)	仿真	—	0.776	0.789	0.173	0.168
销钉插入 (12 mm)	仿真	—	0.831	—	—	—
销钉插入 (16 mm)	仿真	—	0.857	—	—	—
螺母拧入	仿真	—	0.702	0.708	0.152	0.313
销钉插入 (8 mm)	真机	1,2,3,4	0.917	0.150	0.083	0.067
销钉插入 (12 mm)	真机	1,2,3,4	0.933	—	—	—
销钉插入 (16 mm)	真机	1,2,3,4	0.933	—	—	—

真机 8 mm 那一行来自 60 次试验：销钉初始朝向为 0° 与 ±15° 各 20 次，成功 55 次，即约 91.7% 的零样本迁移成功率。螺母拧入任务也做了初步真机部署，成功率 58.3%（细节在补充材料）。作为对照，基于 TacSL 的策略真机只有 15%，Tacchi 更差，完全不用触觉的策略只有 6.7%。

与已有视触觉仿真器的横向对比如下（沿用原文表 1，接触保真度的排序是就"是否适合在线触觉 RL"而言，综合考虑形变真实度、摩擦接触处理与数值鲁棒性）：

方法	场景覆盖	仿真方法 / 接触保真度	触觉表示	策略学习	仿真到现实
Tacchi	传感器–物体	MPM / 中	RGB	✗	✗
Tacchi 2.0	传感器–物体	MPM / 中	标记	✗	✗
TacIPC	传感器–物体	IPC / 高	RGB	✗	✗
Difftactile	传感器–物体	MPM+FEM / 中	标记/RGB	✗	✓
Chen et al.	传感器–物体	IPC / 高	标记	RL	✓
TacSL	传感器–物体–机器人	非物理惩罚 / 低	标记/RGB	RL/BC	✓
TacFlex	传感器–物体–机器人	FEM / 高	标记/RGB	BC	✓
Taccel	传感器–物体–机器人	IPC / 高	标记/RGB	✗	✓
Tac2Real	传感器–物体–机器人	IPC / 高	标记	RL	✓

仿真速度方面，在单节点 16 张 RTX 4090 上跑 4,096 个环境时，Tac2Real 达到 4,465 FPS（伪结构化网格）与 1,665 FPS（非结构化网格），优于 Tacchi；TacSL 的原始 FPS 更高，但那是因为它只做简单的 SDF 查询，代价是物理保真度。

仿真保真度上，作者用立方体压头旋转任务对比了 Tac2Real、Tacchi 与 TacSL：Tac2Real 与 Tacchi 都能给出与真实一致的形变，而 TacSL 因为是非物理的惩罚式方法、只建模穿透区域，结果偏差明显；在大幅旋转形变下，Tacchi 因黏附建模不足出现粒子飞溅与数值不稳定，Tac2Real 则能稳定处理大转动与滑移，接触结束后弹性体可靠地恢复原状。

消融实验¶

TacAlign 的四级分别记为 level 1（控制对齐）、2（基线 IPC 标定）、3（任务级标定）、4（随机化），在真机 8 mm 销钉插入上逐级去掉：

TacAlign 级别组合	Tac2Real	TacSL	Tacchi	无触觉	说明
1,2,3,4（完整）	0.917	0.150	0.083	0.067	四级全开
2,3,4（去掉控制对齐）	0.533	0.033	0.050	0.017	真机掉到约一半，基线方法也同步下滑
1,2,4（去掉任务级标定）	0.250	0.150	0.016	0.067	掉幅最大
1,2,3（去掉随机化）	0.767	0.100	0.100	0.017	掉约 15 个百分点

控制对齐本身的搜索过程也能量化（末行是最终采用的一组增益，后续所有标定与 RL 训练都固定用它）：

\(k_p^{\text{sim}}\)	\(k_p^{\text{real}}\)	平均平移偏差 \(\bar{D}_{\text{trans}}\) (mm)	平均旋转偏差 \(\bar{D}_{\text{rot}}\) (deg)
(100, 30)	(100, 30)	11.11	2.635
(300, 30)	(500, 40)	7.381	1.091
(600, 50)	(400, 20)	2.521	0.454

关键发现¶

仿真里打平、真机上拉开，是这篇论文最有信息量的一组数字。 8 mm 销钉插入仿真里 Tac2Real 0.776 对 TacSL 0.789（螺母任务 0.702 对 0.708），TacSL 甚至略高；而同样的策略搬到真机上变成 0.917 对 0.150。这说明仿真成功率几乎不能预测迁移能力，真正决定真机表现的是仿真触觉信号与真实标记位移场是否对齐，而不是仿真里的任务完成度。
TacAlign 四级里贡献最大的是任务级标定（level 3）。 去掉它真机成功率从 0.917 掉到 0.250，是所有消融里掉得最狠的一档；这说明材料级基线标定虽然必要，但只覆盖弹性体本身的力学响应，真正决定接触期标记场是否对齐的是 \(\mu_{\text{isaac}}\) 与柔性接触设置这类任务侧参数。
控制对齐的价值在任务尺度上才看得出来。 初始 \(k_p^{\text{sim}} = k_p^{\text{real}} = (100, 30)\) 时平均平移偏差 11.11 mm，而孔口直径只有约 8 mm——偏差比孔还大，任务根本不可能完成；交替标定把它压到 2.521 mm（旋转 2.635° → 0.454°）后任务才成立。这同时验证了论文的核心观察：\(k_p\) 数值上的接近并不等于轨迹上的接近。
触觉在盲操作下是刚需。 观测里没有任何物体位姿与视觉信息，去掉触觉后真机成功率只剩 6.7%，仿真里也只有 0.168（拧螺母 0.313 略高，因为该任务有一部分进展靠几何引导）。
Tacchi 的失败是数值性的而非方法性的。 它的真机成功率 0.083 甚至低于无触觉，作者归因于 MPM 数值不稳定产生的大量无用触觉反馈——反馈是有的，但方向是错的，比没有反馈更有害。
孔径越大越容易。 12 mm 与 16 mm 销钉在仿真与真机上均优于 8 mm（真机两者都是 0.933），这与容差变宽的直觉一致，也说明任务难度设置合理。
并行吞吐的口径需要注意。 4,465 FPS 对应伪结构化网格，而实物传感器对应的非结构化网格只有 1,665 FPS；后者才是更保守的部署参考值。

亮点与洞察¶

"把精度换成吞吐"的判断很准。 触觉强化学习并不需要机器精度的收敛，需要的是每次迭代足够便宜，因此用共轭梯度替代牛顿法、用解析步长上界替代 CCD 线搜索这两处替换，直接换来了几十次迭代收敛与 GPU 友好的算子集合。这个思路可以迁移到任何"要嵌进 RL 循环的物理仿真"上。
用标记场短路掉光学渲染是个高性价比的取舍。 走 RGB 路线必须建模光照、凝胶纹理与相机成像，既涨维度又引入不确定性；改成 k 近邻映射 + 加权插值直接从网格取标记位移，等于把整层渲染不确定性删掉，只留下与策略决策真正相关的那部分物理。
"参数匹配 ≠ 轨迹匹配"的实证很值得复用。 随机抽 20 组 \(k_p\) 配对、发现轨迹偏差既不单调也无线性相关，这个反例直接否定了"标定就是把参数调成一样"的默认做法，进而导出双向交替极小化——把真实一侧也当作可调对象，而不是把真实当唯一真值。这对任何做 sim-to-real 标定的工作都是可迁移的方法论。
把域差显式二分并分段处理，让标定可复用。 控制对齐与材料标定只依赖硬件，一次标定长期有效；任务级标定才需要按任务重做。这个分级让整套流程的边际成本降下来，也是它能被复现的原因。
连续标记场的 MSE 越界就回退一步的保护机制，是一个纯粹工程但很实用的 trick：既避免凝胶被压坏，又不在策略表现异常时直接中断整轮试验。

局限与展望¶

任务级标定仍是按任务定制的，四种接触状态是经验选择。 作者自己把这一点列为未来工作，希望把 TacAlign 推广成一个系统化的"仿真–真实配对序列数据集"，覆盖机器人控制、IPC 仿真与任务标定，而不是论文里这种按任务逐个讨论的做法。
真机评测的初始朝向范围明显窄于训练范围。 训练时销钉朝向在 \([-35°, 35°]\) 内随机采样，而 60 次真机试验只用 0° 与 ±15° 三个朝向。虽然这仍属零样本迁移，但"随机朝向"这一说法的真机证据强度要打折扣——真正困难的大角度情形并未在真机上验证。
只验证了 GelSight Mini 一种传感器。 触觉表示固定在 7×9 的标记场，换凝胶类型、换传感器都需要重新做基线标定；标记数量变化对策略的影响也没有分析。
RL 训练规模偏保守。 实际训练只用了 512 个环境（4 节点 × 16 GPU），而并行性能的展示跑到 4,096 环境；虽然框架支持更大规模，论文没有给出"训练规模继续放大是否能进一步提升策略"的证据。
摩擦项与 CCD-free 线搜索的鲁棒性缺少单独量化。 论文强调新增的摩擦势 \(D(\mathbf{x})\) 与解析步长上界能处理大转动与滑移，但没有报告在极端形变下是否仍严格满足 IPC 的无穿透/无反转保证（前者的实验证据是定性的形变对比）。
真机试验次数有限。 8 mm 只有 60 次试验（三个朝向各 20 次），且 12 mm / 16 mm 未说明真机试验次数；螺母拧入 58.3% 只有一句初步结论，细节推给补充材料。
保护机制的阈值敏感性未做分析。 连续标记场 MSE 阈值取多少、对成功率影响多大，论文没有给消融。
可改进的方向：把任务级标定的接触状态选择自动化（例如用策略自身的失败轨迹来挑标定样本），以及检验在非结构化网格下（1,665 FPS）能否仍然撑住同等规模的在线训练。

评分¶

新颖性: ⭐⭐⭐⭐ PNCG-IPC 求解器与 Taichi/Ray 并行本身是借用与工程化，但首次把"I 摩擦接触 + IPC 级保真度 + 整机在线 RL + 多机多卡"四件事凑齐，并给出可复现的四级标定流程。
实验充分度: ⭐⭐⭐⭐ 仿真与真机双端、含消融、含孔径泛化与第二个任务，FPS 与标定过程都有量化；扣分在真机评测朝向范围窄、试验次数少、任务级标定的四种接触状态缺乏选择依据。
写作质量: ⭐⭐⭐ 主干结构清楚、表格信息密度高，但关键公式在排版/缓存中受损（本文已标注），部分补充材料承载的内容（如随机化细节、nut threading 细节）正文只给了结论。
价值: ⭐⭐⭐⭐⭐ 给出了目前少见的、真正跑通触觉策略零样本真机部署的完整系统，真机 91.7% 相对 TacSL 的 15% 差距说明仿真保真度在这个任务上是决定性的；对齐流程与插件式架构对其他 sim-to-real 工作有直接复用价值。