蚂蚁灵波切入具身智能：触觉传感器路线未统一，数据难互通
灵巧手，可能是具身智能赛道里，除了机器人本体和大脑之外，最受资本追捧的方向之一。 今年，灵巧手明星企业灵心巧手的估值已经超过200亿元，新一轮融资的目标估值甚至超过400亿元，接近部分头部....
/ 01 /
灵巧手眼下做得五花八门，触觉数据却各自散落，彼此接不上。
人拿杯子，靠触觉几乎不用想：手指感到压力变化，就能判断有没有拿稳、要不要再加点劲。这种能力对人是天生的。
机器人没这么轻松。它得靠装在灵巧手上的传感器，去抓取手指和物体接触时的各类物理信息，再交给模型判断接下来怎么动。
可机器人触觉这一行，眼下还没一条统一的技术路线。
市面上主流的触觉传感器，大致分三种：视触觉、磁触觉、压阻式触觉。
视触觉看的是接触表面的形变，据此判断接触发生在哪、物体是什么形状；磁触觉靠磁场变化来感受受力；压阻式触觉则是利用材料受压后电阻发生变化，量出接触压力。
这三种方案，好处各不一样，短板也各不相同。
拿视触觉来说，细微的接触变化它擅长捕捉，代价是通常得配上摄像头和光学结构；压阻式传感器铺大面积容易，成本也占优，可精细感知这块偏弱。
所以未来相当长一段时间，多条技术路线并行恐怕是常态。技术竞争本身没什么不正常，问题出在机器人模型训练上——麻烦不小。
各家传感器采回来的数据，想直接混在一起用，很难。
拿手指按杯子来说，视触觉传感器记下的是接触表面的形变，磁触觉传感器记的是磁场变化，压阻式的记的又是电阻变化。同一次物理接触，落下来的却是两种完全不同的数据。
同一个动作被感知，数据却对不上。放到模型那里，好比三个人各用一门语言讲同一件事，没法直接搁一块儿学。
麻烦还不止这些：灵巧手厂商一升级硬件、一换传感器，或者机器人企业切换动作模型，先前训练出来的能力往往接不上。
于是大家都在反复啃一些很基础的问题。对具身智能这个产业来说，这种重复投入的代价其实不小。
机器人训练跟互联网模型不是一回事，没法直接从海量公开内容里拿数据。高质量的触觉数据得靠真实物理交互，要么让人穿上传感设备一遍遍操作，要么用遥操作机器人去采。换句话说，每多一批数据，背后都要搭上设备、人力和时间。
这些投入如果只服务某一款灵巧手、某一套动作模型，那硬件种类和应用场景越铺越开，整个行业的研发成本就会一路往上走。
所以机器人触觉眼下真正要解的题，已经不单是传感器精度怎么提。更关键的是，怎么把不同硬件、不同任务攒下的触觉经验，变成全行业都能复用的基础能力。
蚂蚁灵波LingBot-Touch 的核心价值，正落在这里。
/ 02 /
让不同的灵巧手，共享同一种智能
传感器记的是磁场变化、表面形变还是电阻变化，都不打紧。LingBot-Touch 能从这些五花八门的信号里把接触位置、受力及其变化等信息提出来，再转成统一的触觉 Token，交给下游动作模型使用。
这样改下来，动作模型不用再从头去啃原始信号、自己琢磨接触是怎么回事，直接调用已经练好的触觉感知能力就行。
不过，想做到这一步并不轻松。各类传感器的测量原理本就不同，触点数量、排布位置、采样频率也差得很远；哪怕记录的是同一次物理接触，产出的数据也可能对不上。
灵波的做法是：先给每种传感器的信号单独编码，再送进同一个模型去学，从中找出共通的物理规律。比如传感器记的是磁场变化还是表面形变，机器人抓杯子时都会带出相应的接触变化。模型要弄明白的，正是怎么从这些各不相同的信号里判断手指碰没碰到物体、受力怎么变、物体有没有要滑的迹象。
训练方式上，灵波用了一套类似“填空题”的办法：随机把一部分触觉数据藏起来，让模型靠剩下的信息去猜被遮住那部分的接触特征。
大量训练之后，模型慢慢摸清了不同硬件都得懂的那套物理接触规律。LingBot-Touch 之所以能跨传感器、跨灵巧手复用，关键就在这里。
这套模型的训练，还靠了灵波攒下的一批规模可观的真实数据。技术报告显示，LingBot-Touch 预训练用了4983小时真实触觉数据，覆盖约46.44万段交互记录，累计约13.3亿帧；其中约三分之二来自人戴触觉手套完成的真实操作，剩下部分来自遥操作机器人。
那实际用起来效果怎样？为检验模型的通用性，蚂蚁灵波挑了两款不同类型的灵巧手做真机测试：一款是自由度较高的 Sharpa Wave，另一款是自由度相对较低的 XHand。
这轮测试一共覆盖26项真实操作任务，配合Diffusion Policy、π0.5、LingBot-VLA和T-Rex四种动作模型分别跑。
对照实验分三组来做：一组完全不给触觉，一组把原始触觉信号直接喂进去，还有一组用LingBot-Touch提取出的触觉信息。
差别很清楚。两款灵巧手上的四种动作模型，只要接上LingBot-Touch，平均任务成功率都落在三组里的最高位。
拿LingBot-VLA来说，在Sharpa Wave上，无触觉时平均任务成功率是44%，接入LingBot-Touch后升到72.51%；在XHand上，直接输入原始触觉信号时是57.21%，用LingBot-Touch后达到75.04%。
还有个细节挺有意思：XHand所用磁触觉传感器的型号，压根没进过LingBot-Touch的预训练数据；而训练用的磁触觉数据，全部来自人戴着触觉手套做真实操作。
换句话说，人操作时攒下的触觉经验能迁移到机器人身上，让不同硬件都学会理解接触信息。
放到产业里看也有价值。靠机器人遥操作采数据是一条路，让人戴上触觉手套日常操作是另一条；后一条路对特定机器人本体的依赖更小，也给规模化采集真实触觉数据开了新口子。
让不同硬件共享基础能力，这个思路不只用在触觉上，蚂蚁灵波整套具身智能技术布局都是这么铺的。
/ 03 /
寻找具身智能产业的“最大公约数”
从此前的LingBot-Vision、LingBot-Depth 2.0，到LingBot-World 2.0，再到LingBot-VLA 2.0、LingBot-VA 2.0，灵波做的始终是机器人进入物理世界所必需的那些基础能力。
空间理解交给视觉和深度模型，环境变化预测由世界模型承担，操作动作则由动作模型生成；至于接触感知这一环，LingBot-Touch 把它补齐了。
表面上看，这些模型各自解决的是不同问题，但内里遵循的逻辑是同一个：从真实物理交互的需求出发，把各类机器人共同需要的能力做成可复用的基础模型。这条路线在现实中站得住脚。今年9月 GPT-6 Astra 发布后，通用大模型已经显示出直接操控机器人的潜力，甚至有人开始讨论具身基础模型还有没有必要存在。
不过现有实验也说明，通用大模型擅长的是理解任务、规划动作，一到精细控制、动态操作和实时反馈这些环节，短板就很明显。道理不复杂：理解物理世界是一回事，真正和物理世界交互是另一回事。
拿拧瓶盖来说，模型能理解该怎么拧，可手指碰到瓶盖之后要施加多大的力、什么时候调整握姿，这些只能从真实的物理交互里学。
现实世界更不会停下来等模型推理完。通用大模型往复杂物理操作延伸得越深，对物理感知、实时反馈和操作泛化能力的要求就越高。
这么看，通用大模型在进步，并不等于具身基础模型就没价值了。怎么从真实物理交互中学习，再把这些经验迁移到不同的机器人上，反倒成了具身智能发展的一个重要方向。
跨硬件、跨任务的能力复用，同样可能改变具身智能产业的研发方式。以往不同灵巧手配的触觉传感器各不一样，算法企业常常要针对不同硬件重复开发、重复训练感知模型，研发成本高不说，各家积累的数据也很难共享。
LingBot-Touch 给出了另一种可能：灵巧手厂商专心提升硬件性能，动作模型厂商继续打磨控制策略，两边都能复用已经训练好的触觉能力，把更多研发资源投到具体任务和应用场景里去。
更关键的是，一旦不同硬件产生的数据可以放在一起训练，行业就有望跑出新的正循环：机器人越多，攒下的物理交互数据越多；数据越多，基础模型练得越强；模型强了，又能带动更多机器人把活干得更好。
照这个思路看，蚂蚁灵波死守的“具身原生”路线，跟 AI 圈里那个有名的“苦涩的教训”，在道理上是相通的。
“苦涩的教训”讲的是，把时间拉长看，能不断吃进更多数据和算力的通用学习方法，扩展潜力往往压过为特定任务量身定制的专用方案。
具身智能也是这个理。产业天花板由什么决定？不只看机器人能做出多少高难度动作，更要看这些动作背后攒下的物理经验，能不能沉下来，变成可积累、可迁移、可复用的基础能力。
蚂蚁灵波坚持具身原生路线，深层价值也在这里：去学习真实世界的物理规律，让不同的机器人共享这些经验，再靠着它们把操作能力一点点往上推。
一台机器人攒下的经验，能变成更多机器人学习的起点——到那时候，具身智能才有可能甩开单一硬件和单一场景的束缚，真正长出规模化发展的能力底子。
