蚂蚁灵波开源LingBot-Touch：一套触觉模型打通多种灵巧手

智东西11月10日报道，蚂蚁灵波把面向灵巧操作的触觉预训练基础模型LingBot-Touch正式开源了。压阻式、视触觉等不同类型的传感信号，这个模型都能统一处理，再编码成统一、可复用的触觉表征，给不同灵巧手和策略模型调用。

具身智能在灵巧操作上的能力边界正被快速推开，可不同灵巧手之间，触觉数据这道鸿沟依旧很难迈过去。

想让通用灵巧操作真正落地，先得拆掉不同传感器之间的数据壁垒，这一步绕不开。

真机测试里，LingBot-Touch搭配两款不同灵巧手、四种策略模型，跑完了26项真实操作任务。结果是，四种策略模型在两款灵巧手上的平均任务成功率都往上走了。

拿Sharpa Wave灵巧手来说，LingBot-VLA的平均成功率由45.60%升到72.51%。

这次发布也让蚂蚁灵波的具身原生机器人通用大脑更完整了。空间感知、动态环境交互、灵巧操作之后，通用触觉感知这块能力补上了。

Hugging Face：https://huggingface.co/collections/robbyant/lingbot-touch

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

一、打破触觉数据壁垒，让不同灵巧手共享“手感”

魔搭社区：https://www.modelscope.cn/collections/Robbyant/LingBot-Touch

机器人灵巧操作越做越细，对触觉感知的要求也跟着抬高。拧瓶盖、翻书、零件装配这类精细化任务，机器人不只要判断物体在哪，还得感知手指接触后的受力变化和移动情况，才能及时调整手部动作。

机器人要真正读懂这些接触信息，大量真实触觉数据的训练少不了。问题是，触觉数据采集成本高，规模也有限。

今年5月，海外具身创企Genesis AI发布机器人基础模型GENE-26.5，配套的触觉数据采集手套和灵巧手也一并推出，想借动作映射把人类操作经验直接拿去训练机器人。

7月，美国具身企业Generalist AI披露了GEN-1的跨本体研究进展，让不同末端执行器共享对接触、摩擦、受力等物理规律的理解。

这两家企业都在摸索怎样更高效地积累和利用物理交互经验。蚂蚁灵波则从触觉感知切入，盯上一个更棘手的问题：拆掉不同传感器之间的数据壁垒，让触觉数据能跨本体共享和复用。

眼下灵巧手用的主流触觉传感器有磁触觉、视触觉和压阻式等几类，感知精度、响应速度、覆盖面积和成本上各有各的长处。传感器记录接触的方式不一样，可背后的物理接触信息存在共性。

蚂蚁灵波这次推出的LingBot-Touch，正是借这个共性学习统一的触觉表征，让不同灵巧手共享对物理接触的理解。

具体做法是，LingBot-Touch先分别处理三类传感器采集的原始信号，再通过共享模型学习其中共同的接触特征，比如手指碰到了哪里、受力如何变化。这些特征最后被编码为统一的触觉Token，供不同灵巧手和策略模型使用。

这样一来，策略模型不用直接处理不同传感器复杂的原始信号，靠提取出的接触信息就能做决策。

为了让模型掌握这些共同的接触规律，蚂蚁灵波用了4983小时真实触觉数据做预训练，涵盖约46.4万段交互记录、13.3亿帧数据，抓握、旋转、装配等多种操作都在其中。

这些数据主要来自两方面：人类佩戴触觉手套采集的磁触觉数据和压阻式数据，以及通过遥操作采集的视触觉数据。

训练采用自监督学习方法，随机遮挡部分触觉信息，让模型根据其他触点的信号变化预测被遮挡区域的特征，接触位置、受力变化等信息不用逐一标注。

靠着这套模型架构和训练方法，不同硬件积累的真实触觉数据也能变成可以共同利用的训练资源。

二、26项真机任务验证，LingBot-Touch让四种模型集体涨分

模型的实际价值，终究要靠机器人的真实操作来检验。蚂蚁灵波在Sharpa Wave和XHand1两款灵巧手上开展了26项真机任务测试，翻书、拧瓶盖、拉拉链、分拣物体、双手协同等精细操作任务都包含在内。

测试结果此前已有披露：四种策略模型在两款灵巧手上的平均任务成功率均得到提升。

测试环节，蚂蚁灵波把Diffusion Policy、π0.5、LingBot-VLA和T-Rex四种模型都接了进来，用来考察LingBot-Touch在不同硬件、不同模型上的表现。

对照实验一共设了三组：一组完全不用触觉，只靠视觉等信息；一组把原始触觉数据直接喂给策略模型；还有一组接入LingBot-Touch，用的是它提前提取好的触觉特征。结果，在两款灵巧手上，接了LingBot-Touch的那一组，四种策略模型的平均任务成功率都排在三组里的最高位。

具体到Sharpa Wave的20项任务，LingBot-VLA的平均成功率从45.60%升到72.51%，涨了26.91个百分点；π0.5从47.56%升到68.58%，涨了21.02个百分点。

XHand1的6项任务里，π0.5的平均成功率由49.71%提高到74.17%，提升24.46个百分点。

落到具体操作上，LingBot-Touch带来的变化同样清楚。拧瓶盖这项任务，在Sharpa Wave灵巧手上，T-Rex不用触觉信息时成功率为56.25%；直接输入原始触觉数据是62.50%；接入LingBot-Touch后，成功率进一步升到90%。

拉拉链的结果更值得琢磨。π0.5不用触觉信息时成功率是39%；直接输入原始触觉数据，成功率反而掉到15%；换成LingBot-Touch提取的触觉特征后，成功率升到59%。

说到底，把触觉信号转成模型能有效利用的接触特征，才是操作效果改善的关键。

任务成功率之外，LingBot-Touch在新硬件上的迁移能力也是一大看点。

这次测试用的XHand1灵巧手搭载了磁触觉传感器，但该型号并未出现在LingBot-Touch的预训练数据里，触点布局等特征也和训练阶段所用设备不一样。

接入XHand1时，蚂蚁灵波没有重新训练LingBot-Touch，而是把它的模型参数固定住，只针对具体任务训练下游策略模型。最终，使用LingBot-Touch触觉特征的策略模型，平均任务成功率依然得到了提升。

放到产业层面，LingBot-Touch有望让不同灵巧手积累的触觉数据和学到的感知能力实现共享，企业在数据采集、模型训练和硬件适配上不必重复投入，研发效率可以提高，灵巧操作能力也能更快落到更多实际场景中。

三、触觉模型走向真机，速度也是硬门槛

具身智能加快走向实际应用，模型的计算开销和运行效率是影响机器人部署落地的重要因素。

一台机器人身上，视觉感知、动作决策等多个模型往往要同时跑，端侧算力有限，得在不同任务之间分着用。触觉感知尤其如此——手指和物体接触时产生的高频信号要持续处理，对模型响应速度的要求更高。

针对这一需求，蚂蚁灵波推出了LingBot-Touch Tiny和Small两个版本，在模型规模和触觉感知能力之间给出不同选择。

Tiny版本只有约532万参数，重点在于压低触觉处理的计算开销。把它接入LingBot-VLA后，整体参数量只增加约0.13%，前面提到的26项真机任务用的都是这一版本。

Small版本模型容量更大，触觉感知能力可以再往上走。结果显示，Tiny版本用约4000小时数据预训练后，部分感知性能逐渐趋于饱和；Small版本在接近5000小时的数据规模下仍能继续提升。

通用触觉能力要真正进入产品，模型性能、端侧算力和部署成本都得兼顾。LingBot-Touch用不同规模的模型设计，让企业可以按自己的硬件条件和操作需求来选触觉模型。

结语：通用大脑再升级，让物理经验成为具身智能的共同资产

此前，蚂蚁灵波已经推出LingBot-Vision、LingBot-Depth 2.0、LingBot-World 2.0、LingBot-VLA 2.0等不同类别的模型。LingBot-Touch此次加入，让其机器人通用大脑的物理感知能力更进一步。

这一布局延续了蚂蚁灵波坚持的具身原生技术路线：从机器人在真实物理世界完成任务的需求出发，把不同机器人共同需要的智能能力做成可复用的基础模型。

放到产业层面看，规模化落地绕不开的一道坎，就是不同硬件之间怎么把能力迁移的成本压下来。通用基础模型走向产业应用，价值也正在这里：真实世界里攒下的经验能够不断沉淀，硬件与任务之间少做重复开发，机器人能力往更多实际场景迁移的速度也就提上去了。