蚂蚁灵波开源LingBot-Touch：532万参数给机器人补上触觉
新智元报道 毫无预警，Anthropic深夜丢出了下一代旗舰Fable 5.2，直接杀入了物理世界。它的全方位性能碾压Opus 5.5，更是展现出了惊人的泛化能力——哪怕是没见过的新任务，也能轻松驾驭。徒手拼魔方、拧瓶盖、画机器人，安装齿轮并测试齿合，Fable 5.2拿下64.9%的成功率，在RoboDojo测试中轻
新智元报道
新智元报道
Anthropic在没有任何预告的情况下，于深夜发布了下一代旗舰Fable 5.2，一脚踏进物理世界。
面对
Opus 5.5，它各项性能全面占优；泛化能力也相当扎眼，哪怕是从未见过的新任务，照样能上手。
徒手拼魔方、拧瓶盖、画机器人，再装上齿轮测试齿合，
Fable 5.2的成功率达到64.9%，在RoboDojo测试里稳稳压住一众对手，超过GPT-6 Astra两倍有余。
两个月前，
GPT-6 Astra也曾展示过一番惊人操作：被极客接入双灵巧手之后，当场弹奏肖邦夜曲。看到这里，是不是觉得大模型接管物理世界就在眼前了？
可就在同一份测评中，RoboDojo测试团队把这位「前任榜单状元」Astra放上真机，让它去插充电器、插试管。由于只有视觉、没有触觉，插头已经顶歪卡死，它却察觉不到任何阻力，毫不知情的机械臂便顺着视觉指令一路硬怼，当场把真机硬件撞坏。
研究员吓得立刻拉闸急停。33次真机测试下来，这两项任务一次都没成功，成功率直接是零（0%）。
反差为何如此之大？拼魔方、画画这类活，靠「眼睛」看就够了；可一旦手上要干细活，只靠摄像头既来不及，也看不见。
杯子刚在指尖打滑，等摄像头拍到画面，早就摔碎了；拧瓶盖究竟是拧动了还是手指在空转，镜头里看着一模一样，何况接触点还常被手指自己挡住。
正因如此，汽车厂里插线束这种活，少了指尖那一下手感，全行业自动化率到现在还不到10%。
说到底，机器人今天缺的已不是更好的眼睛，而是灵敏的「手感」。
蚂蚁灵波科技刚刚正式发布并开源通用触觉基座模型LingBot-Touch，把这块最关键的短板补上了。
项目主页：https://technology.robbyant.com/lingbot-touch
技术报告：https://github.com/Robbyant/lingbot-touch/tree/main/paper
GitHub：https://github.com/Robbyant/lingbot-touch
Hugging Face：https://huggingface.co/collections/robbyant/lingbot-touch
魔搭社区：https://www.modelscope.cn/collections/Robbyant/LingBot-Touch
视触觉、磁触觉、压阻式这三类不同的触觉信号，头一回被统一转换成动作模型拿来就能用的「通用触觉Token」。
这样一来，机器人终于能练出一套手感，换只灵巧手也能接着用。
真机上的触觉反馈，对时效要求极高。
为了不跟视觉和动作模型抢算力，团队直接派出最轻量的Tiny版，参数只有532万。由此，接上0.13%到0.16%，几乎不添负担，灵巧手却瞬间有了「分寸感」。
抓喷雾瓶喷水这个动作，塑料瓶身滑得很。光凭视觉一发力，食指立马打滑，瓶子脱手。
换成LingBot-Touch上场，指尖刚出现一点滑动，握姿马上微调，扳机稳稳扣下。成功率从42.50%升到87.50%。
挤牙膏更吃双臂配合。软管捏轻了出不来，捏重了又喷得到处都是。
触觉Token一介入，双臂能稳稳对准窄小的刷头，拇指顺着管身阻力一点点加力，牙膏就精准落在刷毛上。
开头让视觉大模型撞坏真机的「插孔对准」，到了更精细的「拿钥匙开锁」上，也变得轻松。
指尖捏住小钥匙，贴着锁孔边试探边微调，靠的是那点微弱的碰撞阻力。对准之后一把拧开挂锁，干净利落。
「盲摸麻将」更有意思，规则卡得很死：牌面只要让镜头瞅见一眼，直接判零分。
灵巧手全程不靠眼睛，指腹轻按一下就能辨出凹凸花纹，再分进不同盘子。成功率翻倍，冲到70%。
拆两个叠放的软纸杯也一样，手指一挡就把镜头遮死，捏重了杯子扁，捏轻了又抽不出来。
触觉Token来帮忙，双臂顺着指尖那点摩擦变化轻轻一搓，内层纸杯就抽了出来。
日常细活之外，团队还拿两款不同构型的灵巧手配上四款主流动作模型，实测了26项真机任务和12项仿真操作。接入LingBot-Touch的组合全线领先。
三大动作模型都涨了分：T-Rex、π0.5和LingBot-VLA的平均成功率分别提升23.18、21.81和24.81个百分点。
精细操作又稳又准。单页翻书达到91.25%，按压弹出SD卡到92%，搬运软纸杯最高拿到100%满分。
12项仿真操作也高分过关。转盘子、转笔的成功率都超过97%，纯视觉拿0分的「端托盘平衡滚球」也做到了67.7%。
左右滑动查看
触觉既然这么管用，通用大模型为什么难训？卡点主要在「传感器各说各话」和「真实数据极度匮乏」两处。
先说硬件。眼下主流的三类触觉传感器，底层原理各不相同：
视触觉是在指尖塞个小相机，拍软胶形变，极细微的接触都能看清，拧瓶盖这类活合适，但帧率受限，反应偏慢；
磁触觉借软磁材料受力改变磁场，多方向力和滑动都擅长，拉拉链、插插头在行，可周围磁场一干扰就麻烦；
压阻式靠材料受压后电阻变化，成本低，能铺满手指和手掌，分辨率却有限。
结果就是同样压住杯壁，三类传感器记下的完全是三种东西。
缺真实数据更让人头疼。以往都靠人遥操作机械臂去采，慢且贵，大模型根本吃不饱。
数据这道坎怎么迈？蚂蚁灵波的法子是让真人套上一双轻便触觉手套，边过日子边把「人类手感」录下来。拧瓶盖、擦桌子、插插头，手上一使劲，手套就同步记下力道的变化。
人手戴手套采集，再配合真机遥操作，两路合起来，团队积累出全球规模最大的真实触觉数据——近5000小时（4983小时）、13.3亿帧，其中三分之二由人类手套贡献。
疑问也随之而来：人手的结构和灵巧手并不相同，这样采回来的数据，机器人能直接用吗？
实测结果出人意料：人手攒下的「手感」，竟能零样本直接迁移到一只全新的灵巧手上。更关键的是，预训练所用的磁触觉数据100%来自人类手套，模型此前根本没接触过测试所用的那款新磁触觉灵巧手。
团队把触觉模型参数彻底冻住，直接装到这只新灵巧手上，π0.5的平均成功率随即从48%升到74.17%，搬软纸杯一项则从58%提高到90%。换句话说，理解物理接触的能力已经不再受硬件形态限制，从人手原样传到了灵巧手。
落到最底层，三种传感器、人手和灵巧手的数据，如何塞进同一个模型？灵波团队盯住的是最根本的共性：无论传感器测的是图像、磁场还是电阻，要回答的都是同样四个问题——手指碰在哪、用了多大力、力朝哪个方向走、有没有在打滑。
问题既然一致，团队就把「理解接触」这件事单独拿出来，按三步做成一个通用基础模型。第一步是按原理分别「收件」。
做法是给三类传感器各配一个极简入口，统一格式之后送进同一个触觉主干网络学习，同类原理的新硬件能直接接入。
第二步，让所有指尖落在同一张「地图」（5D-RoPE）上。只统一格式还不够，不同灵巧手的触点排布差异很大。
团队因此把所有触点映射进三维指尖球面坐标，并对疏密和位置做随机微调，避免模型死记某一种硬件的排布。
第三步，是解一道「补全接触」的题（Tactile-JEPA）。为什么要专门设这道题？抓握物体时，超过90%的触点其实什么都没碰到，读数全是零值和底噪。
若照搬视觉模型的做法，遮住一块再还原原始读数，模型只要全填零就能轻松拿到90分。
结果在四千小时数据下，传统方案的跨模态检索前5名召回率分别只有3.06%和8.69%。
LingBot-Touch于是借鉴了图灵奖得主LeCun推崇的JEPA架构，直接遮住高达90%的区域。它不让模型还原零值底噪，而是去推断被遮住的地方受力如何，检索召回率一举提升到49.32%。
这套架构对物理接触的感知精度如何？
团队在五项物理接触测试里给主流开源模型FTP-1开了口子，允许它外挂硬件专用适配器；LingBot-Touch则全程锁死权重，参数一个都不改。
让了对手一手，结果还是LingBot-Touch赢：指尖盲摸定位误差从对手的2.19毫米压到0.12毫米，换到新款磁触觉灵巧手上也压到了0.16毫米。
指尖三维力感知误差同时降了约65%。装进同一个动作大脑测5项真机任务，平均成功率82.2%，对手是67.5%。
更关键的是，团队在五千小时量级上看到了触觉的Scaling现象，跑出两个趋势。
第一，三类不同传感器的数据混在一起训，所有指标都压过单打独斗，各条硬件路线的数据汇到一处，跑出了「1+1+1>3」的效果。
第二，数据堆到近5000小时时，轻量级Tiny版在4000小时后逐渐饱和，容量更大的Small版还在持续上涨。
模型越大、数据越多，机器人的「手感」就越强。
LingBot-Touch的价值，其实不止于让机器人多了一种感觉。
触觉是典型的「物理原生模态」——文字、图像在网上随处可见，数字世界的大模型却从没真正「摸」过东西。开头Astra插头卡死都浑然不觉，原因就在这里。
再加上传感器原理各不相同，触觉长期分散零碎，一直没能形成统一的表征。
如今LingBot-Touch证明了，哪怕是最依赖硬件的触觉，也可以提炼出统一的表征。
这条路在触觉上走通了，进一步看，完全可以展开到具身智能整体。
硬件本身才是物理操作难以泛化的关键堵点：各家本体、灵巧手、传感器的技术路线都不统一，辛苦积累的经验因此被各自的硬件框住，没法流通。
蚂蚁灵波的思路很明确：硬件不必统一，智能可以共享。
它瞄准的，是夹在硬件与场景中间的那层智能：让不同本体、不同传感器攒下的物理经验，转化为可共享的统一表征，并以开源、可拆分的形式对外提供。
今年灵波已先后开源了负责看得更清楚的空间感知模型、负责想得更明白的世界模型，以及负责干得更利索的跨本体动作模型。
此次开源的LingBot-Touch，把「具身原生」大脑全栈2.0中触觉更灵敏的那一环补齐了，也让同一套方法落到最吃硬件的触觉上——触觉这条路能走通，就说明它同样适用于其他新出现的感知方式。
落到产业上，这层共享智能直接帮上下游省下了重复造轮子的精力。
对触觉传感器厂商来说，过去每推出一款新传感器，都得自己采数据、从头训一套触觉模型，动作模型才能用得上，门槛高、周期长。
眼下，新硬件只要接入LingBot-Touch，就能生成通用的触觉Token，厂商可以把力气放在精度、耐用性和成本上，产品被各家机器人采用也会更容易。
灵巧手厂商和整机厂感受最直接的一点，是选型上的束缚松开了。
同一只手上，各部位的需求本就不同。捏、拧、搓这类精细活儿落在指尖，得有高分辨率才能看清细微接触；托和握主要靠手掌，要的是大面积、低成本的受力感知。
按部位各取所长当然最理想。可过去一只手上装两种传感器，就得分别训练两套触觉模型，开发和多一份维护的钱都省不掉。
如今情况变了：不同原理的触觉信号，同一个LingBot-Touch都能读懂。「指尖视触觉+手掌压阻阵列」这种性价比高的搭配，可以放心装上手，也真正用起来了。
落地方面，蚂蚁灵波已与多家机器人本体厂商及行业伙伴合作，把这套具身大脑能力送进零售药房、仓储物流和工厂产线干活。
回看大模型在数字世界的爆发，靠的是海量文字和图像能被统一学习、反复复用。
而现在，连最依赖硬件的「手感」也能预训练、能复用。物理智能因此有了像语言智能那样越积越厚的可能。
硬件端可以百花齐放，智能却能在同一层上持续生长。
机器人真正走进千行百业的拐点，或许就从此处开始。
