把插头推入接口时，光看画面并不够：手指挡住接触点，力度是否合适也藏在画面之外。DeCAL瞄准的正是这类灵巧操作——抓捏、旋转、插接等精细动作。它为视觉—语言—动作模型（VLA，即把画面和指令直接变成机器人动作的模型）加入触觉，让机器不只“看见”，还能判断接触与受力。
它最关键的一步，是让模型在潜在表示——内部压缩后的场景编码——中共同“想象”未来的视觉与触觉变化，再据此生成动作；一道接触感知门控还会按需调节触觉信息的分量。论文在双臂、五指灵巧手和指尖触觉传感器组成的真实系统上测试。作者报告，DeCAL平均任务成功率为71%，比最强基线高逾15个百分点，单个动作片段的平均推理延迟为0.27秒。这说明触觉不必只是碰到之后的补救信号，也可以参与动手前的预演；不过这些效果目前仍是论文作者在其任务设置下的自述。