蚂蚁灵波开源LingBot-Touch：近5000小时数据能跨硬件复用手感吗？

11月10日，蚂蚁灵波把触觉基础模型LingBot-Touch开源出来。它想做的事，是用一套统一的触觉表征，让机器人的“手感”不再被某一种硬件拴住。

预训练用了近5000小时真实触觉数据，来源是触觉手套和机器人手，磁触觉、视触觉、压阻式三类主流传感器都有覆盖。技术报告、模型和代码已经上架Hugging Face、GitHub和魔搭社区，可以下载。问题在于，各类传感器吐出的原始信号长得完全不一样：磁触觉给的是三轴磁场变化，压阻式给的是电阻标量，视触觉给的是图像强度，连触点怎么排都各排各的。

模型要是只认得其中一种信号，换传感器或者换灵巧手，之前攒下的数据和经验基本就得推倒重来，重新采集、重新训练。

LingBot-Touch的思路是按传感原理分开设编码入口，异构信号先各自过一道，再把不同布局的触点统一映射到指尖坐标空间，最后输出统一的触觉Token。这层表征干的是传感器和动作模型之间的翻译活，不绑定哪款硬件，也不绑定哪套动作策略。

真机测试在Sharpa Wave和XHand1两款灵巧手上做了26项，翻书页、拧瓶盖、辨识麻将牌这类精细操作都在其中。

结果，LingBot-VLA、π0.5、Diffusion Policy和T-Rex四种动作模型接上LingBot-Touch之后，平均任务成功率比没有触觉输入时高出约14至26个百分点。

拧瓶盖这一项能看得更细。T-Rex操控Sharpa Wave时，不带触觉的成功率是56.25%，直接把传感器原始信号喂进去是62.5%，换成LingBot-Touch的触觉表征，成功率到了90%。

原始信号带来的提升有限，说明“手里有触觉数据”和“能把触觉数据用起来”是两码事，差距主要卡在中间那层表征上。

跨硬件复用还有一处具体验证，落在XHand1上。它用的磁触觉传感器型号并不在预训练数据的覆盖范围内，模型参数一个没动，只拿操作示范去训练动作模型，触觉表征照样能接进去用。

灵波方面也说得很清楚，LingBot-Touch不绑定自家动作模型，它的位置是触觉传感器和动作模型之间的通用感知层，不同灵巧手、不同动作策略都可以来调用。

这次真机测试用的是轻量版LingBot-Touch-Tiny，约530万参数，接进去之后动作模型参数量只多出约0.13%至0.16%。容量更大的版本蚂蚁灵波也一并提供，算力条件不同的可以按需选。

从开源的内容和测试的口径看，LingBot-Touch要回答的问题就一个：触觉能力能不能从特定传感器的物理信号里剥出来，变成可迁移、可复用的表征。这条路实际走得怎么样，还得靠更多硬件组合和任务场景去独立验证。