捏寿司难在：米饭看着没散，指尖却可能已经压坏、粘住或打滑；手一遮住接触处，摄像头更帮不上忙。TacSushi让机器人同时用视觉和指尖触觉行动，专门应对食材形变、遮挡和接触不确定性。
它的关键设计像一只“可调阀门”：门控融合会按情境决定触觉对动作应有多大影响。训练时，模型还根据示范动作预测之后的画面、任务进度、接触风险和触觉摘要，相当于用动作后果教它理解当下；实际操作时，这个预测模块会被移除，机器人只凭当前观察生成一小段连续动作。
作者用340次成功和50次失败的真机试验训练模型，并在600次独立测试中比较六种方法。作者报告，完整模型在训练分布内任务的平均成功率为68.3%，换成直接拼接触觉后为25.0%；去掉未来后果监督后为36.7%。这说明触觉并非“接上就行”，如何让它参与判断，以及训练时是否学习失败会带来什么后果，同样重要。结果采用人类与视觉语言模型共同评定的成品外观标签，仍需留意这种评价方式的主观性。