把一本书放到书架，前面的动作并不复杂：找到空位，对准方向，向前推。真正的困难在接触发生时：书撞到旁边了吗？推的方向偏了吗？推到底了吗？在这种时候，视觉几乎没有任何变化，模型只能靠力来推断任务状态。
想学会力，离不开数据。但是力和真实机器人硬件强绑定，带力数据采集成本太高，也很难通过 UMI、ego 等方式规模化。
还有更棘手的问题：引入新模态会改变模型架构，是否需要重新预训练，又会不会让模型遗忘原有知识？
这些一直是纯视觉预训练 VLA 不得不面对的问题。
上海交通大学卢策吾、汶川团队联合穹彻提出 LIFT（Late Reactive Injection of Force for VLA Post-Training），在保留模型预训练知识的情况下，仅通过在线后训练教模型学会感知力，并通过力高频反应式生成动作。
这项工作被 CoRL 2026 高分收录，其核心贡献是走通了预训练学先验知识，后训练靠力学高频反应式操作的训练范式，为 VLA 解决感知模态稀缺的难题提供新的可行解。甚至不只是 VLA，对任何以 MoT 为基础架构的预训练模型，LIFT 所提出的方法在理论上都可以适用。相关代码已经开源。
论文标题：Never Too Late for Force: Accelerating VLA Post-Training with Reactive Force Injection
arxiv链接：https://arxiv.org/abs/2607.14236
项目主页：https://lift-policy.github.io/
代码链接：https://github.com/y-wng/lift
图1 LIFT方法总览。LIFT复用预训练动作专家参数，通过反应式力注入与在线纠正学习接触行为。
先看结果：力显著提升任务表现
团队在叠毛巾、插书和汉诺塔圆环放置三个任务上进行测试，LIFT 相比纯视觉后训练分数提升为：
叠毛巾：73.3 → 84.2；
插书：36.7 → 58.3；
汉诺塔圆环放置：26.7 → 56.7。
只需要 20~30 条带力的在线数据，就可以达到这样的效果。而且不仅是插书、汉诺塔放圆环这样的密集接触任务，像叠毛巾这类接触状态相对简单的任务，力依然可以提升其表现并加速这一过程。
想要用好力，LIFT 提出了必须解决的三个难点。
用好力，需要解决三个难点
及时响应接触：真正的接触过程中，瞬间的偏差，就有可能导致任务彻底失败。想用好力，模型必须一边感知，一边快速调整。
保留原有能力：力的加入，不能让预训练模型本来的空间理解、物体操作和场景泛化等能力崩溃，否则就是本末倒置，1+1反而小于1。
兼容异构数据：带力的数据采集成本高，数量极少。如果后训练不能兼容不带力的数据，就很难保证数据的多样性，最终过拟合。
围绕这三个难点，LIFT 提出了一套完整且系统的解决办法。
反应式注入力，完成控制闭环
图2 LIFT架构图。
LIFT 复制预训练动作专家参数，得到一个能根据力反馈及时调整动作的「反应式动作专家」。它通过因果交叉注意力感知最新一个时间段内的力，并据此高频反应式地调整动作；视觉和语言信息则提前计算并缓存，将控制闭环频率从 1Hz 显著提高到 10Hz。
对齐动作专家输出，保留预训练先验知识
图3 平移因果注意力掩码。
如图 3 所示，LIFT 使用平移因果注意力掩码。P 为视觉语言前缀，a 为基础动作 token，r 为反应式 token。①为 base 动作专家注意力，保持全自注意力。②确保反应式动作专家注意力因果性。③为平移注意力。通过权重复制，训练起始时 a=r。通过平移注意力，r 获得与 a 数值完全相同的上下文 token，进而对齐两个动作专家的输出。通过这种方式，LIFT 在数值层面保持预训练模型先验知识。
视觉数据和带力纠正混合训练
图4 LIFT训练管线。
LIFT 采用二阶段式训练。第一阶段，团队用 RoboPocket 采集不带力的纯视觉数据，让模型先学会目标任务；第二阶段，再把模型部署到机器人上，通过在线人工纠正，学习真实接触下的动作调整。在第二阶段，模型同时利用视觉数据和带力数据，对于不含力的纯视觉数据通过力掩码截断其梯度。
LIFT 的四个关键结论
图5 LIFT主要实验结果。横轴为在线采集到的10fps数据帧数，只使用人类干预部分数据训练和统计。每次在线实验2~3小时，采集20~30条数据。
仅靠后训练也能学会力
整个实验中，LIFT 没有用任何一条带力数据重新预训练。
团队证明了在后训练中注入力依然可以发挥力的优势，这是一条更加实际却足够吸引人的路线。
接触一变，动作要立马跟上
许多机器人策略会一次预测未来一段动作，形成一个动作块。这样的设计有利于动作连贯，却也带来一个问题：如果机器人在一个动作块执行途中时碰到阻碍，只能等到下一个动作块生成时再尝试调整。而在接触过程中，任务的成败往往是由一瞬间的精细调整决定的。
LIFT 反应式地注入力，使得策略可以在动作块内根据实时的力感知做高频调整。图 5 对比了 LIFT 与没有反应式力注入的基线，团队发现反应式地注入力对密集接触任务尤其重要。而在叠毛巾这类没有复杂接触的任务上，反应式地注入力相比于纯视觉策略，依然显著加速了任务表现的提升。
真实失误中才好学会力
力与视觉不同，轻微的位置变化就可能带来力分布的巨大漂移。而一旦力出现在数据分布外，模型可能就傻眼了。LIFT 在线地采集带力数据，让数据分布随着模型更新，极大地缓解了这一问题。图 5 对比了 LIFT 与离线采集带力数据的基线，证明了这一结论。
学会力，也能保留先验知识
图7 桌布、物体和光照改变的条件。
后训练加入力，有没有让模型忘记预训练知识？团队发现经过后训练，模型同时保留了力的知识和泛化能力，在桌布、光照甚至操作物体变化后任务表现并没有出现显著下降。
结语：学会力，为时不晚
LIFT 展示了一条面向现有预训练模型的后训练路径：先利用大规模预训练建立任务先验知识，积累空间理解能力，再用少量真机带力纠正补上接触细节；在模型侧，通过复制动作专家、平移因果注意力和零初始化交叉注意力，让新增模态从原有能力出发；在数据侧，通过在线后训练，让数据覆盖策略自身真正遇到的接触状态。
正如论文标题所说，对力而言一直都不晚。
