IT之家 11 月 10 日消息，今日，蚂蚁灵波科技开源触觉基础模型 LingBot-Touch，为机器人大脑补齐关键的触觉感知能力。

IT之家从官方介绍获悉，基于近 5000 小时真实触觉数据预训练，LingBot-Touch 覆盖磁触觉、视触觉和压阻式三类主流传感原理，可将不同信号转化为同一套触觉表征，让积累的“手感”能够跨传感器、跨灵巧手、跨模型和跨任务复用。在 26 项真机测试中，接入这一表征后，四种动作模型的平均任务成功率较无触觉时提高约 14 至 26 个百分点。

此前，蚂蚁灵波 LingBot 系列模型已构建起覆盖高精度空间感知、高动态环境交互与可泛化灵巧操作的全栈技术体系，让机器人看得更清楚、想得更明白、干得更利索。此次 LingBot-Touch 将通用大脑的感知能力延伸到“指尖”，让机器人“摸得更灵敏”，具身原生通用大脑能力再提升。

看清之后，为什么还需要“摸得灵敏”？

在真实物理世界中，机器人每执行一步动作，都需要感知物体和环境的变化，再修正下一步动作。许多精细操作里，看清物体的位置、把手伸到正确的地方，并不意味着任务就能顺利完成。接触之后受力是否合适、物体是否滑移，仅靠视觉往往难以判断。

以拧瓶盖为例，深度信息可以帮助手指对准瓶盖。但开始转动后，瓶盖可能已经松动，也可能是指腹沿着盖壁打滑。这两种情况在画面中相似，却需要不同的动作调整。指尖的接触位置、受力大小及其变化，成为动作模型的重要判断依据，而这些信息往往被手指和物体遮挡，视觉难以获得。

为了验证触觉表征对真实操作的帮助，该团队在 Sharpa Wave 和 XHand 两款灵巧手上进行了 26 项真机测试，涵盖翻书页、拧瓶盖、辨识麻将牌等精细操作。接入 LingBot-Touch 后，LingBot-VLA、π0.5、Diffusion Policy 和 T-Rex 四种动作模型的平均任务成功率，较无触觉时提高约 14 至 26 个百分点。

其中，在 T-Rex 控制 Sharpa Wave 拧瓶盖的任务中，不使用触觉时的成功率为 56.25%，直接输入传感器原始信号时为 62.5%，接入 LingBot-Touch 的触觉表征后，成功率达到 90%。

这一系列真机实验表明，高质量触觉信息输入可以为机器人动作成功率带来显著提升。

统一触觉表征，跨灵巧手、跨模型复用

给机器人装上触觉传感器，并不等于它就能用好触觉。商用触觉传感器整体仍处于较早的发展阶段，视触觉、磁触觉、压阻式等路线各有优势和局限。面向不同成本和使用场景，多种路线可能长期并存。

更棘手的是，同样一次接触，在不同传感原理和触点布局下，会形成不同的原始信号。如果模型只学会解读其中一种，更换传感器或灵巧手后，已有的数据和触觉经验就可能难以复用，需要重新采集、训练和适配。

该团队的思路是，让触觉理解摆脱对特定传感器物理信号的依赖，使不同来源的数据能够共同用于训练，让积累的触觉能力跨灵巧手和跨动作模型复用。

为此，LingBot-Touch 按传感原理分别设置编码入口，先处理不同的原始信号，再将不同布局的触点映射到统一的指尖坐标空间。共享模型学习接触位置、受力及其随时间的变化，输出统一的触觉 Token—— 供不同动作模型使用的触觉表征。

在这一架构下，人戴触觉手套和遥操作灵巧手采集的数据可以共同用于训练，不同动作模型也可以利用训练好的模型提取接触特征。这一架构还为未来接入新类型的触觉传感器留出了扩展空间。

在 XHand 上，团队进一步验证了触觉能力的跨硬件复用。XHand 采用的磁触觉传感器型号并不在预训练数据中，模型学到的磁触觉经验全部来自人戴手套采集的数据。换到这只灵巧手后，团队保持 LingBot-Touch 参数不变，只用 XHand 的操作示范训练动作模型。

LingBot-Touch 提供的是位于触觉传感器和动作模型之间的通用感知能力，而不是某一硬件或某一策略的专用模块。本次测试接入了四种不同动作模型，不绑定自研的 LingBot-VLA 模型。传感器和灵巧手厂商可以根据成本与任务需求选择硬件，整机团队可以保留自己的动作策略，减少更换硬件与算法组合时重新开发触觉能力的重复投入。

为兼顾感知能力与端侧算力，团队提供了两种容量的模型。此次 26 项真机测试全部使用约 530 万参数的轻量版 LingBot-Touch-Tiny 完成。接入 LingBot-VLA、π0.5 和 T-Rex 后，模型参数量仅增加约 0.13% 至 0.16%。

容量较大的版本 LingBot-Touch-Small 在感知测试中表现出进一步提升的潜力：当预训练数据增至近 5000 小时时，模型仍能从新增数据中获益，说明触觉预训练还有持续扩展提升的空间。

蚂蚁灵波表示，在通用大模型加速演进的时点，LingBot-Touch 的发布正是团队对“具身原生”路线的持续投入和笃定 —— 不同于面向数字信息的多模态范式，机器人身处真实物理世界，信息从传感器来，作用到环境中去，既需要理解深度这类空间感知信息，也需要处理触觉、力觉、温度等接触感知模态。模态输入的质量，很大程度上决定了动作输出的质量。

参考