蚂蚁灵波LingBot-Touch：拧瓶盖成功率从56.25%提到90%

拧瓶盖，人做起来不费劲。手指捏住盖子一转，感觉打滑就顺手加点劲，几秒钟完事，自己都察觉不到动作一直在微调。

可轮到机器人，这个动作就成了考题。瓶盖看得见，该怎么转也知道，但手指抓没抓稳、力气够不够、盖子到底动没动，都得靠接触过程里一次次判断、一次次调整。拧瓶盖看着简单，考的是机器人对物理世界的理解和操作。

巧的是，最近两家公司先后秀了机器人拧瓶盖。

11月9日，Anthropic发布Claude Fable 5.2，演示了机器人还原魔方、拧开瓶盖等操作，外界由此看到通用大模型向真实机器人操作延伸的空间。

差不多同一时间，蚂蚁集团旗下具身智能公司蚂蚁灵波推出触觉基础模型LingBot-Touch，同样让机器人去拧瓶盖。实验条件没变：同一只Sharpa Wave灵巧手、同一种T-Rex动作模型。不给触觉信息，成功率只有56.25%；直接喂原始触觉数据，升到62.50%；经LingBot-Touch处理后，成功率达到90%。

硬件没换，动作模型没换，只是换了个理解触觉信息的法子，结果差出一大截。可见光把触觉数据塞给机器人不够，得让它真“读懂”接触。LingBot-Touch把不同传感器采到的触觉信息转成机器人能共同理解的数据，接触状态判断更准；换一只灵巧手，先前学到的部分“手感”照样能用。

这个变化对机器人行业的分量，可能比单项操作成功率的提升更重。以往机器人学会的本事常跟具体硬件绑死，换一款灵巧手，数据可能得重采、模型可能得重训。LingBot-Touch的突破在于，部分触觉感知能力可以跨硬件复用。

另一边，Claude Fable 5.2、GPT-6 Astra等通用大模型开始显露机器人控制能力，行业也看到了另一种可能：未来的机器人大脑，能不能直接盖在通用大模型上？谁能让机器人真正摸透物理操作的规律，再把这些能力带到更多身体和场景里去？

蚂蚁灵波把这条路概括为“具身原生”的通用大脑，思路是让触觉、空间理解、世界预测这些能力逐步沉淀成可复用的基础模型。LingBot-Touch一面补上触觉这块缺口，一面通过跨传感器迁移实验，检验这条路线走不走得通。

一个现实是，灵巧手数量在变多，机器人之间怎么共享“手感”却成了新问题。

精细操作要落地，触觉是关键一环，也是具身智能进入真实场景绕不开的门槛。

视觉、运动控制、灵巧手这几年进步不小，可一到精密装配、柔性分拣这类真实场景，机器人还是容易失手。问题常常就出在接触那一瞬：有没有抓稳、力道合不合适，它未必判断得准。

于是行业开始琢磨，怎么让机器人拥有一套能复用的“手感”。从Meta在2024年发布的Sparsh，到2025年的AnyTouch，再到2026年的FTP-1，触觉研究的主线正从学习通用触觉特征，转向跨传感器感知与操作能力的迁移。

麻烦在于，灵巧手到现在也没有统一的硬件标准。视触觉、磁触觉、压阻式触觉各有所长，采到的数据却五花八门。硬件越丰富，积累下的接触经验越难共享。怎么从不同触觉信号里抽出共同的物理规律，是行业躲不开的真问题。

LingBot-Touch对准的正是这件事。它走的是统一建模的触觉基座路线，让原理各异的触觉传感器共用一套基础感知模型，相当于试着造一种能共享的“触觉语言”。具体做法是把磁触觉、视触觉和压阻式触觉信号分别编码，再转成统一的触觉Token，从中提取接触位置、受力分布以及它们随时间变化的信息。

不过，要让不同的灵巧手共享“手感”，得先有足够丰富的真实数据打底。

蚂蚁灵波为此投入4983小时真实触觉数据来训练LingBot-Touch，其中约有46.4万段交互记录、13.3亿帧触觉信息。这些数据一部分来自遥操作的机器人灵巧手，另一部分来自人戴着触觉手套完成的操作。

这批数据的采集身体和传感器各不相同，图的就是让模型尽量抓住接触过程里的共性规律。机器人换上一只新手，先前学到的“手感”还灵不灵？实验做了初步验证：研究人员在Sharpa Wave和XHand1两款灵巧手上，用四种不同的动作模型跑了26项真机任务测试。接上LingBot-Touch之后，各测试组合的平均任务成功率都高过直接用原始触觉数据的方案。XHand1的六项任务里，π0.5的平均成功率从48.00%升到74.17%，LingBot-VLA则从57.21%升到75.04%。

还有个细节挺有意思。LingBot-Touch训练用的磁触觉数据，全部是人戴着触觉手套采集的；而XHand1所用的磁触觉传感器型号，此前根本没在训练数据里出现过。即便不动LingBot-Touch的参数，只针对具体任务训练动作策略，机器人照样拿到了明显的性能提升。换句话说，LingBot-Touch不用重新训练，就能给一款从未“摸过”的传感器提供有效的触觉理解。

这也说明，人在操作物体时产生的接触信息，同样能帮机器人读懂自己的触觉信号。况且戴上触觉手套就能采数据，不必一直绑在特定机器人本体上，触觉数据要上规模，多了一条新路子。

LingBot-Touch更值得琢磨的地方在于，它让触觉经验不再被锁死在某一款硬件上。这类能力一旦能稳定复用，受益的不止一家模型公司。灵巧手厂商可以继续走不同的传感器方案，动作模型开发者有机会复用基础表征，终端客户则可能少花些换设备、适配任务的重复投入。

2.大脑路线之争，谁能真正让机器人理解物理世界？

想让机器人真正理解物理世界，光解决触觉远远不够。空间感知、物理预测、动作控制，每一项能力都关系到机器人能不能完成真实任务。问题是，这些能力到底该靠什么样的模型建起来？

通用大模型接连展示出操控机器人完成复杂操作的本事，这给上述问题添了新的讨论素材。Fable 5.2 甫一发布，外界随即注意到，继 GPT-6 Astra 之后，这类模型又一次证明自己能指挥机器人干复杂的活。任务理解、动作规划乃至直接控制机器人，通用大模型似乎都能做，那具身智能是否还需要另建专门的基础模型？

蚂蚁灵波 CEO 朱兴对通用大模型的进展给出了正面评价。在他看来，Fable 5.2、GPT-6 Astra 这些模型正让机器人对复杂任务的理解和推理变强，蚂蚁灵波也在主动吸纳这类成果。可理解任务和真正把活干完之间，还横着一道物理世界的坎：接触要感知、力度要控制、环境一变还得跟着调整，学到的经验还得能迁移到不同硬件和不同任务上。通用大模型能持续拓宽机器人的理解与推理边界，物理操作上的泛化性却依旧是具身智能绕不开的硬骨头。

所以朱兴判断，通用大模型和具身基础模型之间更可能形成“1+1>2”的配合：前者负责把任务理解和推理能力往上抬，后者则得继续在物理操作的泛化性上取得突破，机器人才能在变化的环境中真正把活干成。泛化这道难题还不只是适应不同物体和环境。机器人自身就五花八门，同一项操作能力，换一套机械结构或传感器，很可能就得从头训练。

这就把具身基础模型的研发推到一个岔路口：是让模型与具体硬件深度绑定，把单台机器人的操作性能做到极致，还是尽量提炼出不同机器人通用的基础能力，把跨硬件迁移的成本压下来？

软硬一体走的是前一条路，模型与特定机器人的结构、传感器、控制系统紧密配合，针对特定硬件优化操作性能是它的长处。可一旦机器人构型变了，原有模型通常要重新适配。软硬解耦则相反，空间理解、触觉感知、物理预测这些基础能力尽量跨硬件复用，机器人在一种身体上攒下的部分经验，能帮另一种身体更快上手任务。

两条路线的分歧，说到底是谁拥有物理经验：这些经验该沉淀在某一款机器人身上，还是该成为不同机器人共用的智能资产？

触觉正好可以用来检验。它比视觉更拴在具体硬件上，不同传感器的原理和数据格式差别明显。不过 LingBot-Touch 在有限实验中做到了跨传感器的触觉表征复用，给软硬解耦添了一例有力实证。

让不同机器人共享基础能力，只解决了通用性的一半。更大的难题是：怎样借助大规模真实物理交互，让这些能力持续积累、往上走，慢慢长成跨任务、跨场景的通用性。这又牵出行业里另一条研发路径的分歧：先用大规模预训练把通用能力建起来，再落到具体场景；还是从真实任务出发，在解决实际问题的过程中一点点攒出通用能力？

Physical Intelligence、OpenAI 等团队更看好大规模预训练的潜力，想把不同机器人、不同任务的数据汇到一起，让模型学会可复用的基础能力，把新任务的学习成本降下来。支持场景驱动的一方则盯着眼前的实际需求：工厂和仓库要的是能稳定干活、带来商业回报的机器人。通用性还没成熟，与其去追，不如先把具体任务解决掉，再靠实际部署积累数据和经验。

两条路径的着力点并不一样。通用模型要靠海量真实交互数据喂养，但

蚂蚁灵波的办法，是搭一套可扩展的数据基础设施，把通用预训练和真实场景反馈接在一起。按披露，灵波手里的真实机器人数据已超过10万小时，涉及20多种机器人构型、3.6万多种任务，另有近2亿条深度数据。这些数据来自人类第一视角视频、UMI等手持采集方式以及机器人真机交互，分别提供场景信息、动作信息和物理反馈。

数据多，不代表智能就强。关键在于模型能不能从不同场景里找出共同规律，再借失败、纠正和重试把能力一点点磨上去。

灵波为此建了端边云一体化的反馈网络，把数据采集、模型训练和真机验证串到一起。按其披露，数据反馈目前能做到半天级时效，数据可用率在90%以上。这套体系想跑出一个循环：基础模型给具体任务一个能力起点，真实部署产生新的物理经验，训练反馈再拿去改进模型，随后用于更多机器人和任务。

这个循环值不值钱，要看经验能不能迁移。假如从一个场景攒下的数据只够改善原来的任务，那数据再多，也可能只是若干专用模型摞在一起。只有经验能跨任务、跨本体搬过去，通用预训练的规模效应才站得住。

在此之前，LingBot-VLA 已在动作模型上验证了跨构型能力，LingBot-Touch 又把这种迁移能力放到触觉层面做了验证。蚂蚁灵波“具身原生”路线的产业逻辑由此看得比较清楚：从真实物理交互里学共性能力，尽量少依赖特定硬件，再靠真实场景不断积累和检验这些能力。

眼下技术路线还没收敛，但有一点方向是明确的：真正有用的通用大脑，得能从不同机器人和真实任务中攒经验，并把这些经验变成能持续调用的能力。

3.从物理世界出发，

机器人怎样一步步走进产业深处？

单项能力越攒越多，产业竞争也跟着换了一个阶段。感知、预测与控制如何真正配合起来，让机器人在不断变化的环境里把活持续干完，成了具身智能绕不开的问题。

比如一台分拣机器人，已经会从货架上取商品。可要是商品换了包装、位置偏了，或者有人临时挡在操作路径上，它还能不能把任务做完？

机器人能不能把活干完，说到底取决于它怎么理解物理世界，以及在情况变化时操作能不能泛化。

物体在哪、离多远、碰没碰上、受力怎么变，这些都会左右下一个动作。哪一个环节缺了信息，或者判断出了偏差，本来不难的操作也可能做砸。

蚂蚁灵波的观点是：输入模态的质量，基本就划定了动作输出的天花板。正因如此，它才咬定“具身原生”，不断往视觉、深度、触觉这些物理感知模态上加码。

落地方面，蚂蚁灵波眼下和乐聚、钛虎等机器人本体伙伴，还有国大药房、隆盛等场景伙伴联手，在零售分拣、物流分拣和工业领域做商业化测试。

这几个场景难点各不相同。零售商品包装换得勤，物流仓库里货品形状五花八门，工业操作对精度和稳定性的要求又更高。

要是每来一种新商品、每换一个作业环境，都得重新采数据、训模型、调动作，机器人的应用成本就压不下来。

所以蚂蚁灵波要证明的事情很具体：在复杂环境里，机器人能不能持续、稳定地把活干完；过去攒下的能力，又能不能降低新任务的学习和部署成本。

这么看，机器人大脑的比拼，已经从实验室里的能力较量，转到真实世界里的效率较量。

蚂蚁灵波的“具身原生”是一条可以盯一盯的路子：从真实的物理交互入手，把不同机器人共通的基础能力提炼出来，再一步步合成更统一的机器人大脑。

这条路走不走得通，还得靠真实场景和长期运行数据说话。

不过行业往哪走已经看得清楚。往后真有竞争力的机器人大脑，得让机器人学会更多活计，也得让以往积累的经验持续派上用场，让每一次学习都成为下一次学习的起点。

毕竟，机器人会一百个动作，和它能独立完成一份工作，是两码事。等机器人的智能开始沉淀，不再随硬件和任务变化反复归零，具身智能才有可能从一项项技术突破，走到规模化的产业能力。