LingBot-Touch发布：拧瓶盖成功率从56.25%升到90%
大模型都在教机器人拧瓶盖，具身原生大脑的底气藏在“手感”里甲...
拧瓶盖，人做起来几乎不用过脑子。捏住盖子一转，觉得打滑就加点劲，几秒钟的事，自己都没察觉手在不停调整。
换成机器人，这个动作就成了考题。瓶盖看得见，怎么转也知道，可手指抓没抓稳、力道合不合适、盖子到底动没动，都得靠接触过程里一次次判断、一次次修正。看着简单的拧瓶盖，考的是机器人对物理世界的理解和动手能力。
巧的是，最近两家公司先后秀了机器人拧瓶盖。
11月9日，Anthropic发布Claude Fable 5.2，演示了机器人还原魔方、拧开瓶盖等操作，外界由此看到通用大模型往真实机器人操作上延伸的空间。
时间上几乎撞在一起，蚂蚁集团旗下具身智能公司蚂蚁灵波发布触觉基础模型LingBot-Touch，同样让机器人去拧瓶盖。实验中，同一只Sharpa Wave灵巧手、同一个T-Rex动作模型，不给触觉信息时成功率只有56.25%；直接灌原始触觉数据，升到62.50%；经LingBot-Touch处理后，成功率达到90%。
硬件没动，动作模型也没动，只是换了个理解触觉信息的法子，结果差出一大截。光把触觉数据喂进去其实不够，要害是让机器人真正“读懂”接触。LingBot-Touch做的，是把不同传感器采到的触觉信息变成机器人能共同理解的数据，让它更准地判断接触状态；换一只灵巧手，之前学到的部分“手感”也还能接着用。
对机器人行业来说，这件事的分量或许超过单项操作成功率的提升。以前机器人学会的本事通常跟具体硬件绑在一起，换一只灵巧手，往往就得重新采数据、重训模型。LingBot-Touch带来的变化，是让一部分触觉感知能力可以跨硬件复用。
另一边，Claude Fable 5.2、GPT-6 Astra这类通用大模型开始显露控制机器人的能力，行业因此看到另一条路：机器人的大脑，未来能不能直接架在通用大模型上？谁先让机器人摸透物理操作的规律，再把这些能力搬到更多身体、更多场景里去？
蚂蚁灵波选的是“具身原生”的通用大脑，把触觉、空间理解、世界预测这些共同能力一点点提炼成可复用的基础模型。LingBot-Touch一面给这套通用大脑补上触觉这块关键拼图，一面用跨传感器迁移实验证明了这条路走得通。
1.灵巧手越出越多，机器人之间怎么共享“手感”
精细操作离不开触觉，这已经是行业共识；具身智能要走进真实场景，这也是必须迈过的一道坎。
这几年，机器人的视觉、运动控制、灵巧手都在进步，可一到精密装配、柔性分拣这类真实场景，还是容易出岔子。问题常常就出在接触的那一下：抓没抓稳、力道合不合适，机器人并不总能判断准。
于是业界开始琢磨，怎么让机器人拥有一套能复用的“手感”。Meta在2024年发布Sparsh，2025年出现AnyTouch，2026年又有了FTP-1，触觉研究一路从学习通用触觉特征，走向跨传感器感知与操作能力的迁移。
麻烦在于，灵巧手到今天也没有统一的硬件标准。视触觉、磁触觉、压阻式触觉各有所长，采到的数据却相差很大。硬件越丰富，机器人攒下的接触经验反而越难共享。怎么从各不相同的触觉信号里提取共同的物理规律，成了行业躲不开的问题。
蚂蚁灵波发布LingBot-Touch，盯的正是这一点。它的做法是建一个统一建模的触觉基座，让原理不同的触觉传感器共用一套基础感知模型——说白了，就是想造一种大家都能用的“触觉语言”。
LingBot-Touch 把磁触觉、视触觉、压阻式触觉这几类信号先各自编码，再统一转成触觉 Token，接触位置、受力分布以及它们随时间的变化，都从这一层里提取出来。
想让不同的灵巧手共用同一套“手感”，前提是真实数据得够多。蚂蚁灵波为此用了 4983 小时真实触觉数据来训练 LingBot-Touch，其中包含约 46.4 万段交互记录、13.3 亿帧触觉信息。这些数据的来源有两块：遥操作下的机器人灵巧手，以及人戴着触觉手套完成操作。
采集时用到的身体和传感器并不相同，目的就是让模型尽量抓住接触过程里的共同规律。那换个问题：机器人换一只手之后，学到的“手感”还管用吗？
实验做了初步验证。研究人员在 Sharpa Wave 和 XHand1 两款灵巧手上，用四种不同动作模型跑了 26 项真机任务。接入 LingBot-Touch 后，各测试组合的平均任务成功率都高于直接用原始触觉数据的方案。XHand1 的六项任务里，π0.5 的平均成功率从 48.00% 升到 74.17%，LingBot-VLA 则从 57.21% 升到 75.04%。还有一处更值得看：LingBot-Touch 训练所用的磁触觉数据，全部来自人戴触觉手套采集，而 XHand1 用的磁触觉传感器型号此前根本没出现在训练数据里。即便不动 LingBot-Touch 的参数，只针对具体任务训练动作策略，机器人依然拿到了明显的性能提升。换句话说，这款模型不用重新训练，就能给一款从未“摸过”的传感器提供有效的触觉理解。
这同时说明，人操作物体时产生的接触信息，也能帮机器人读懂自己的触觉信号。而且数据采集只要戴上触觉手套就行，不必一直绑在特定机器人本体上，触觉数据的规模因此有了扩大的空间。
LingBot-Touch 更值得关注的地方在于，触觉经验不再被锁死在某一款硬件上。
这种能力如果能稳定复用，获益的不会只有模型公司一家。做灵巧手的厂商可以沿用各自的传感器方案，做动作模型的开发者有望复用基础表征，终端客户在换设备、适配新任务时也能少花重复投入的钱。
2.大脑路线之争，谁能让机器人真正读懂物理世界？
只把触觉问题解决掉，离机器人理解物理世界还差得远。
空间感知、物理预测、动作控制，这几项能力每一项都关系到机器人能不能把真实任务干成。问题是，这些能力该用什么样的模型来建立？
最近 Fable 5.2 发布，给这个问题添了新的讨论空间。继 GPT-6 Astra 之后，通用大模型又一次证明了自己能控制机器人完成复杂操作。既然通用大模型已经能理解任务、规划动作，甚至直接操控机器人，那具身智能还有必要单独做基础模型吗？
蚂蚁灵波 CEO 朱兴表示，通用大模型的进展值得重视。Fable 5.2、GPT-6 Astra 等模型正在提升机器人对复杂任务的理解和推理能力，蚂蚁灵波也在积极吸收这些成果。
不过，从读懂任务到真正把操作做完，中间横着一道物理世界的门槛。机器人得感知接触、控制力度、应对环境变化，还要把学到的东西迁移到不同硬件和任务上。通用大模型能不断拓宽机器人的理解与推理边界，可物理操作的泛化性，仍是具身智能绕不开的硬骨头。
所以在朱兴看来，通用大模型和具身基础模型更可能形成“1+1>2”的协同关系：前者负责增强任务理解和推理，后者继续在物理操作的泛化性上突破，机器人才能在变化的环境里真正把活干完。
泛化这道坎，也不只是适应不同物体和环境。机器人本身差异就大，同一项操作能力，换一种机械结构或传感器，可能就得重新训练一遍。
这给具身基础模型的研发摆出一道关键选择题：模型到底该和具体硬件绑得很深，把单个机器人的操作性能做到极致，还是尽量提炼出不同机器人能共用的基础能力，把跨硬件迁移的成本压下来？
软硬一体走的是前一条路，模型与特定机器人的结构、传感器、控制系统紧密配合，针对这套硬件优化操作表现，可一旦机器人构型换了，原有模型常常要重新适配。软硬解耦则相反，空间理解、触觉感知、物理预测这些基础能力尽可能在不同硬件间复用，机器人在一种身体上学到的部分经验，能帮另一种身体更快上手任务。两条路线的分歧说到底是物理经验归谁：是沉淀在某一款机器人身上，还是变成不同机器人共用的智能资产？
触觉正好是个检验的切口。它比视觉更贴着具体硬件走，不同传感器的原理和数据格式差别明显。但在有限实验中，LingBot-Touch做到了跨传感器的触觉表征复用，给软硬解耦添了一份实证。
让不同机器人共享基础能力，只解决了通用性的一半。更大的难题是：怎么通过大规模真实物理交互，让这些能力持续积累、提升，慢慢长出跨任务、跨场景的通用性？这又牵出行业里的另一条路径分歧——先用大规模预训练搭起通用能力，再落到具体场景；还是从真实任务出发，在解决实际问题时逐步攒出通用能力？
Physical Intelligence、OpenAI等团队更看好大规模预训练的潜力，想汇集不同机器人、不同任务的数据，让模型学会可复用的基础能力，降低新任务的学习成本。主张场景驱动的一派则盯着眼前的实际需求：工厂和仓库要的是能稳定干活、带来商业回报的机器人。通用性还没成熟，不如先把具体任务解决掉，再靠实际部署积累数据和经验。
两条路线各有所长。通用模型需要海量真实交互数据，可接触、受力、动作反馈这些东西很难直接从互联网上拿到。高质量数据主要靠实际操作产生，而机器人要进真实场景，又得先有足够可靠的本事。
蚂蚁灵波的做法是用一套可扩展的数据基础设施，把通用预训练和真实场景反馈接起来。目前灵波已积累超过10万小时真实机器人数据，覆盖20多种机器人构型、3.6万多种任务，另有近2亿条深度数据。数据来源包括人类第一视角视频、UMI等手持采集和机器人真机交互，分别提供场景、动作及物理反馈信息。
不过数据规模不等于智能水平。真正要紧的是模型能不能从不同场景里提炼出共同规律，并借失败、纠正和重试把能力一点点改好。
为此灵波搭了端边云一体化反馈网络，把数据采集、模型训练与真机验证串在一起。按其披露，目前数据反馈达到半天级时效，数据可用率超过90%。这套体系想跑通一个循环：基础模型给具体任务提供能力起点，真实部署产生新的物理经验，再通过训练反馈改进模型，用于更多机器人和任务。
这个闭环值不值钱，关键看经验能不能迁移。要是一个场景攒下的数据只能改善原有任务，那数据再多，也不过是多个专用模型叠在一起。只有经验能跨任务、跨本体迁移，通用预训练的规模效应才有机会站住脚。
动作模型上，LingBot-VLA 此前已经验证过跨构型的能力；到了触觉层面，LingBot-Touch 又把这种迁移能力验证了一遍。蚂蚁灵波“具身原生”路线的产业逻辑，到这里就看得比较清楚了：从真实的物理交互里学共性能力，尽量少依赖某一类特定硬件，再靠真实场景不断积累、不断验证。眼下技术路线还没收敛，但方向已经很明确——真正有价值的通用大脑，得能从不同机器人、不同真实任务中攒经验，并且把这些经验变成能一直用下去的能力。
3.从物理世界出发，机器人怎么一步步走进产业深处？
机器人的单项能力越攒越多，产业竞争也随之进入新阶段。感知、预测与控制如何真正协同起来，让机器人在不断变化的环境里持续把活干完，成了具身智能绕不开的问题。
比如一台分拣机器人，已经学会从货架上取商品。可商品换了包装、位置偏了，或者有人临时把操作路径挡住，它还能不能把任务完成？这考验的是机器人对物理世界的理解，以及遇到变化时的操作泛化能力。
物体的位置、空间距离、接触状态、受力变化，都会影响下一步动作。哪个环节的信息缺了，或者判断出了偏差，原本简单的操作都可能失败。
蚂蚁灵波认为，动作输出能达到什么水平，很多情况下由模态输入的质量决定。正因如此，它一直走“具身原生”路线，并在视觉、深度、触觉等不同物理感知模态上不断投入。
商业化测试方面，蚂蚁灵波眼下与乐聚、钛虎等机器人本体伙伴，以及国大药房、隆盛等场景伙伴携手，落地零售分拣、物流分拣和工业领域。
这些场景的难点各不相同。零售商品时常换包装，物流仓库中的物品形状五花八门，工业操作对精度和稳定性要求更高。问题是，每碰到一种新商品、每换一个作业环境，就得重新采集数据、训练模型、调试动作，机器人的应用成本很难压下来。
[[保留1]]
所以，蚂蚁灵波要证明的，是机器人能不能在复杂环境里持续、稳定地把活干完，以及此前攒下的能力能不能降低新任务的学习和部署开销。
[[保留2]]
这么看，机器人大脑的比拼，正从实验室里的能力较量，转向真实世界中的效率比拼。
[[保留3]]
蚂蚁灵波的“具身原生”给出了一条可以观察的路子：从真实的物理交互入手，提取不同机器人共通的基础能力，再一步步整合成更统一的机器人大脑。这条路走不走得通，还得靠真实场景和长期运行数据来验证。
[[保留4]]
不过，行业竞争的方向已经摆在那里。将来真有竞争力的机器人大脑，既得让机器人多学会干活，也得让以往积累的经验一直管用，让每次学习都成为下一次学习的起点。
[[保留5]]
说到底，机器人会一百个动作，和它能独立干完一份工作，是两码事。当机器人的智能开始累积、不再随硬件和任务变化反复清零，具身智能才有可能从一项项技术突破，变成规模化的产业能力。
