蚂蚁灵波开源LingBot-Touch：触觉基础模型让机器人指尖有“手感”

11 月 10 日，蚂蚁灵波科技把触觉基础模型 LingBot-Touch 开源出来，补上了机器人大脑在触觉感知上的缺口。这个模型用近 5000 小时真实触觉数据做了预训练，磁触觉、视触觉、压阻式三类主流传感原理都在覆盖范围内；不同信号经它转换后归为同一套触觉表征，不同灵巧手和动作模型都能拿来用。机器人原本已经能看清、能想明白，精细操作还差的那部分触觉感知，由此补上。

通用大模型正加速演进，蚂蚁灵波此时拿出一款面向物理操作闭环的触觉基础模型，说明它对具身原生路线的投入还在继续，态度也很明确。

在这之前，蚂蚁灵波的通用大脑已经覆盖高精度空间感知、高动态环境交互和可泛化灵巧操作，机器人看得更清楚、想得更明白、干得更利索。LingBot-Touch 这次接入了 LingBot-VLA，感知能力随之延伸到指尖，机器人摸得更灵敏，具身原生通用大脑的能力也往上走了一步。

26 项真机测试 任务成功率提高 14 至 26 个百分点

通用大模型不断进步，机器人理解复杂任务、推理操作步骤的本事也在增强。可到了真实物理世界，每走一步动作，机器人都得感知物体和环境的变化，再据此修正下一步。不少精细操作里，机器人看得见物体在哪，手也能伸到正确位置，任务却未必能顺利完成——手指碰到物体之后，受力合不合适、物体有没有滑移，光靠视觉很难判断，得让触觉来补。

拿灵巧手拧瓶盖来说，深度信息能帮手指对准瓶盖。可一开始转动，瓶盖可能已经松了，也可能指腹正沿着盖壁打滑。这两种情况在画面里看着差不多，需要的动作调整却不一样。指尖的接触位置、受力大小以及这些信息的变化，都是动作模型判断的重要依据，偏偏它们常被手指和物体挡住，视觉拿不到。

触觉表征对真实操作到底有没有帮助？蚂蚁灵波在 Sharpa Wave 和 XHand1 两款灵巧手上做了 26 项真机测试来验证，翻书页、拧瓶盖、辨识麻将牌等精细操作都包括在内。接入 LingBot-Touch 之后，LingBot-VLA、π0.5、Diffusion Policy 和 T-Rex 四种动作模型的平均任务成功率，比没有触觉时提高了约 14 至 26 个百分点。

以 T-Rex 控制 Sharpa Wave 拧瓶盖为例：不用触觉，任务成功率是 56.25%；直接输入传感器原始信号，为 62.5%；接入 LingBot-Touch 的触觉表征后，成功率达到 90%。

（图说：接入 LingBot-Touch 后，四种动作模型在两款灵巧手上的真机任务成功率均达到各自最高水平）

统一触觉表征，让机器人“手感”跨硬件复用

给机器人装上触觉传感器，不代表它就能把触觉用好。商用触觉传感器整体还处在较早的发展阶段，视触觉、磁触觉、压阻式等主流路线各有所长也各有所短，面向不同成本和使用场景，多种技术路线可能长期并存。

更难办的是，这些传感器采到的数据很难直接通用。同样是接触一次，传感原理和触点布局不同，形成的原始信号就不一样。模型如果只学会解读其中一种，换了传感器或灵巧手，已有的数据和触觉经验就可能用不上，得重新采集、训练和适配。硬件迭代这么快，这种绑定带来重复开发，硬件厂商、整机团队和模型开发者之间的适配成本也跟着增加。

所以，触觉要走向规模化落地，关键在于让触觉理解不再依赖特定传感器的物理信号，不同来源的数据能放到一起训练，积累下来的触觉能力可以跨传感器、跨灵巧手、跨模型、跨任务复用。

LingBot-Touch 的做法是：按传感原理分别设置编码入口，先处理不同的原始信号，再把不同布局的触点映射到统一的指尖坐标空间，由共享模型学习接触位置、受力以及它们随时间的变化，输出统一的触觉 Token。这样一来，人戴触觉手套采集的数据和遥操作灵巧手采集的数据能共同用于训练，不同动作模型也能用训练好的模型提取接触特征。这套架构还给未来接入新类型触觉传感器留了扩展空间。

（图说：LingBot-Touch 将磁触觉、视触觉、压阻式触觉信号编码为统一的触觉 Token，供不同动作模型使用）

触觉能力能不能跨硬件复用？团队在 XHand1 上又做了一次验证。XHand1 用的磁触觉传感器型号不在预训练数据里，模型学到的磁触觉经验全部来自人戴手套采集的数据。换到这只灵巧手之后，团队保持 LingBot-Touch 参数不变，只用 XHand 的操作示范训练动作模型。

另外，本次真机测试中 LingBot-Touch 接入了四种不同动作模型，并不绑定蚂蚁灵波自研模型。它提供的是触觉传感器和动作模型之间的通用感知能力，不是某一硬件或某一策略的专用模块。放到产业里看，传感器和灵巧手厂商可以按成本与任务需求挑硬件，整机团队也能保留自己的动作策略，每换一种硬件与算法组合就要重新开发触觉能力的重复投入因此减少。

为了在感知能力和端侧算力之间取得平衡，蚂蚁灵波给出了两种容量的模型。此次 26 项真机测试全部由约 530 万参数的轻量版 LingBot-Touch-Tiny 完成。接入 LingBot-VLA、π0.5 和 T-Rex 后，模型参数量只增加约 0.13%至 0.16%。

容量更大的 LingBot-Touch-Small 在感知测试中显现出进一步提升的潜力——预训练数据增至近 5000 小时时，模型仍能从新增数据中获益，触觉预训练还有继续扩展提升的空间。

坚持具身原生，与通用大模型协同推进

蚂蚁灵波 CEO 朱兴提到，GPT-6 Astra、Claude Fable 5.2 这类数字世界的大语言模型近来进步明显，机器人在复杂任务推理和物理操作上都受益，公司对此保持关注，也在主动学习吸收。不过他表示，落到产业实际，想把操作闭环真正走通，物理操作泛化这道难关依旧躲不过去，多多少少还得指望具身基础模型自己取得突破。

在他看来，通用大模型和具身基础模型之间更像是 1+1＞2 的配合：一个负责加深对任务与环境的理解和推理，另一个负责提升物理感知与闭环操作能力，两边各自往前拱、又互相带动，具身智能产业由此走得更快。

朱兴的说法是：“模态输入的质量很大程度上决定了动作输出的质量，换句话说没有好的输入就没有好的输出。”他表示，蚂蚁灵波会守住具身原生这条路线，继续去探物理操作泛化性的新上限，做一套能跨构型使用的机器人行业通用大脑，让视觉、深度、触觉甚至温度等更多物理模态在同一个模型里对齐，同时在商业化推进的过程中坚持向社区开源开放。

眼下，LingBot-Touch 的技术报告、模型和代码都已经开源，开发者可以到 Hugging Face、GitHub 和魔搭社区获取并下载。