让机器人先做一场带声音的梦：生成一段操作视频，从画面里学轨迹，从声音里学该用多大力。帖子的概括是准的——纯运动学的轨迹在接触任务上必败，缺的就是力这条信息。但"响度决定力"这个说法，得打个大折再收下。
- 先给真实成绩单，帖里一个数都没列。 四个接触任务：擦白板、削胡萝卜、把巧克力盒从桌上撬起来堆到书上、按台灯开关。四十次真机试验，力感知流水线 36/40（90%），纯运动学基线 8/40（20%）。基线输在毫米级误差：擦和按时悬空几毫米够不着，削和堆时又用力过猛撞上东西。开环回放救不了毫米级的错。
- "响度塑造力曲线"有标定，但比标题脆得多。 流程是先分离接触音、按帧算响度，再按心理声学规则换算成相对响度比（响度每加 10 个单位，感知翻一倍），最后拉伸填进一个人为固定的区间。注意：Fmax 全局定死 15 牛顿——这是给 Franka 的 20 牛顿碰撞阈值留安全余量，跟任务无关。音频只决定曲线的"形状"，绝对力值是人手定的。而且每次生成的音频自己做归一化，跨任务、跨片段的响度没法比。
- 消融表里藏着反例。 擦白板任务上，音频塑造的可变力曲线 7/10，反而输给朴素常数 10 牛顿的 8/10。真正救命的机制是"接触瞬间缓慢爬升"——常数力从 0 直接跳到设定值，容易冲过 20 牛顿保护线触发急停；可变曲线坡度平滑，没出过这种事故。作者自己在局限一节承认：调好的常数力在持续接触任务上表现相当。
- "响度等于物理力"这件事，论文自己没敢认。 锤击实验二十次，测的是生成器是否遵循提示里给的力的大小顺序（18/20 过）。原文原句写明：这测的是生成器听不听话，测的不是响度能不能度量真实接触力。
- 数据没兑现，全栈闭源。 摘要承诺数据集，项目页至今挂着 Code Coming Soon 和 Dataset Coming Soon。整条流水线压在 Seedance 2.0 上，别人没法离线复现，模型还随时会变。