# 手部表面交互场

TactoHand 把接触、接近距离和三维顶点力统一成手表面上的稠密场，只从单目视频推断，省去采集触觉数据所需的专用硬件。它用时间 Transformer 汇总跨帧视觉证据，并用可微刚体动力学把预测力与物体运动对齐。在未参与训练的 HOCap 上，其接触 Macro-F1 为 50.5，对比 HACO 的 18.0；物理监督把时间变体的滚动位置误差从 5.7 cm 降到 3.3 cm。

TactoHand 把接触、接近距离和三维顶点力统一成手表面上的稠密场，只从单目视频推断，省去采集触觉数据所需的专用硬件。它用时间 Transformer 汇总跨帧视觉证据，并用可微刚体动力学把预测力与物体运动对齐。在未参与训练的 HOCap 上，其接触 Macro-F1 为 50.5，对比 HACO 的 18.0；物理监督把时间变体的滚动位置误差从 5.7 cm 降到 3.3 cm。