Touch100k：用于触觉中心多模态表征的大规模触觉—语言—视觉数据集

基于摘要分析。该研究针对触觉研究主要关注视觉与触觉、语言信息利用不足的问题，构建约 100k 规模的触觉—语言—视觉配对数据集 Touch100k，并提出受课程学习启发的预训练方法 Touch-Language-Vision Representation Learning through Curriculum Linking（TLV-Link），用于学习 GelSight 传感器的触觉表征及三种模态之间的关联。 数据集提供多粒度触觉描述：句子级自然表达包含较丰富的语义、上下文与动态关系，短语级描述概括触觉感受的关键特征。其主要研究对象是机器人触觉与触觉中心多模态表征，并非神经信号或 BCI。摘要未说明约 100k 规模对应的具体计数单位、采集过程、配对方式及数据划分。 方法层面，TLV-Link 通过课程式关联组织多模态表征学习，但摘要没有给出具体课程顺序、编码器结构、损失函数或训练配置。作者在材料属性识别与机器人抓取预测两类任务上，评估触觉表征及零样本触觉理解；作者报告该方法有效，并声称取得显著提升及新的最佳水平，但摘要未提供指标数值、对照方法或零样本划分条件，因此无法核对增益幅度及比较范围。 复现需要进一步核对数据与模型的开放范围、GelSight 采集条件、任务标签、训练测试划分及零样本评估定义；实验协议、消融及统计信息尚未验证。材料未提供与 EEG 数据结构或监督方式的具体对应关系，不据此生成 BCI 迁移结论或复现实验建议。相关 EEG 工作尚未检索确认。