蚂蚁灵波开源触觉基础模型LingBot-Touch
11月10日，蚂蚁灵波科技开源触觉基础模型LingBot-Touch。据介绍，该模型基于近5000小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类主流传感原理，可将不同信号转化为统一的触觉Token，供不同灵巧手和动作模型使用，为机器人大脑补齐触觉感知能力。目前该模型已接入蚂蚁灵波自研动作模型LingBot-VL
11月10日，蚂蚁灵波科技宣布开源触觉基础模型LingBot-Touch。按官方介绍，这一模型用近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被覆盖，能把不同信号转成统一的触觉Token，供各类灵巧手和动作模型调用，让机器人大脑补上触觉感知这一环。眼下该模型已经接入蚂蚁灵波自研的动作模型LingBot-VLA。
测试选在Sharpa Wave和XHand1两款灵巧手上，26项真机任务涵盖翻书页、拧瓶盖、辨识麻将牌等精细操作。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，比没有触觉时高出约14至26个百分点。拿T-Rex操控Sharpa Wave拧瓶盖来说，不用触觉成功率是56.25%，接入触觉表征后升到90%。
触觉能力还能跨硬件复用。LingBot-Touch针对不同传感原理分设编码入口，把各异的触点布局映射进统一的指尖坐标空间，再输出统一的触觉Token。XHand1的磁触觉传感器型号并不在预训练数据里，团队没有改动模型参数，只用这款灵巧手的操作示范来训练动作模型，由此验证了跨硬件复用的能力。
模型有两种容量可选。26项真机测试用的都是约530万参数的轻量版LingBot-Touch-Tiny，接入动作模型后参数量只增加约0.13%至0.16%；容量更大的LingBot-Touch-Small在预训练数据增至近5000小时时，依然能从中获益。
现在，LingBot-Touch的技术报告、模型和代码均已开源，用户可在Hugging Face、GitHub和魔搭社区访问下载。（袁宁）
