통합 멀티모달 모델 (Unified multimodal models, UMMs)은 다양한 모달리티(modalities)에 걸쳐 이해와 생성을 통합하는 데 있어 큰 가능성을 보여주었습니다. 그러나 기존 연구는 물체 수준의 의미론(object-level semantics)과 센서 수준의 구성(sensor-level configurations)이 촉각의 의미를 공동으로 결정하는 촉각(tactile) 영역으로 이 패러다임을 확장하는 경우가 드뭅니다. 이러한 격차를 해소하기 위해, 우리는 촉각 이해 및 생성을 위해 설계된 최초의 UMM인 UniTac을 제안합니다. UniTac은 촉각 과정을 비접촉에서 접촉으로의 전이로 모델링하며, 센서와 물체의 속성을 모두 인코딩하는 이중 수준 표현(dual-level representation)을 통해 센서와 물체 사이의 물리적 상호작용을 포착합니다. 촉각 이해를 위해, UniTac은 물리적 및 교차 센서 정보에 대한 추론을 강화하기 위해 물체 속성 기술(object property description)과 센서 식별(sensor identification)이라는 두 가지 태스크를 도입합니다. 촉각 생성을 위해, 우리는 재구성(reconstruction)과 정렬(alignment)로 구성된 2단계 학습 패러다임을 설계하였으며, 이와 함께 실제적인 촉각 접촉을 시뮬레이션하는 센서 사전 기반 샘플링(sensor-prior-based sampling) 전략을 함께 설계했습니다. 대규모 멀티 센서 데이터셋으로 학습된 UniTac은 촉각 이해에서 최첨단(state-of-the-art) 성능을 달성하며, 다양한 센서에 걸쳐 실제적인 촉각 신호를 생성합니다.