把插头送到接口附近不难，难的是最后那一点：位置偏一丝，或力气用错，都会卡住。VLA（Vision-Language-Action，把画面和语言指令直接变成机器人动作的模型）在这类精密接触中常失手。这项工作的价值不只是再报一个成功率，而是追问失败究竟从哪里来。
作者把问题拆成两类。第一类是精度失败：常见的流匹配训练——从随机状态逐步生成动作——只把 8.9% 的梯度信号分给接近干净动作的阶段，恰好饿着了最需要微小修正的环节。第二类是力觉失败：力信号大部分时间接近零，真正接触时才突然有用；只把它当普通输入拼进去，模型容易学会忽略。FACT 因此分别调整训练中的噪声分配，并按时间结构注入力信号。
据作者报告，FACT 在五项接触任务、近 2500 次真实机器人执行中平均成功率为 66%，最佳既有基线为 41%。更值得记住的是这套诊断：精度问题未必缺传感器，力觉问题也不只是多接一组数据。