我先联网检索蚂蚁灵波 LingBot-Touch 触觉基础模型的官方与技术信息。
先说答案:11 月 10 日,蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,用 4983 小时真实触觉数据、约 46.4 万段交互记录、13.3 亿帧数据完成预训练,覆盖压阻式、磁触觉、视触觉三类主流传感原理。它分别给三种传感原理设编码入口,再把不同布局的触点映射到统一的指尖坐标空间,由共享的 Haptic Transformer 输出统一的 “触觉 Token”,供不同灵巧手和动作模型直接调用。效果在真机上验证过:两款灵巧手(Sharpa Wave、XHand1)、四种动作模型(Diffusion Policy、π0.5、LingBot-VLA、T-Rex)、26 项真实操作任务,接入后平均任务成功率比无触觉时提高约 14 到 26 个百分点,其中 Sharpa Wave 上的 LingBot-VLA 从 45.60% 升到 72.51%。模型已接入 LingBot-VLA,蚂蚁灵波由此把 “通用大脑” 的感知能力从 “看得清” 延伸到 “摸得准”,路线也从 “一脑多机” 走到 “一脑多手”。
为什么触觉这件事必须做,而不是可选,原因都在实际使用中的问题里。
- 视觉判断不了受力:摄像头能看清物体在哪,却看不出夹得太紧还是太松,也看不出是否正在打滑。
- 每种传感器像一种方言:压阻、磁、视触觉采集同一段接触,原始信号结构完全不同,模型只学一种,换手就得重训。
- 硬件迭代快过模型:灵巧手一年换几代,如果触觉能力绑死在某款传感器上,数据和经验就跟着报废。
- 重复开发成本高:硬件厂商、整机团队、模型开发者三方各做一遍适配,最后谁都规模不起来。
LingBot-Touch 的做法,可以拆成四步看懂。
- 统一坐标:把所有触点,不管贴在哪只手、什么排布,都映射到标准指尖坐标系,先把 “位置” 对齐。
- 分工编码:针对压阻、磁、视触觉分别设计专用 Tokenizer,各处理各的原始信号,不强行混在一起。
- 共享学习:编码结果统一输入同一个 Haptic Transformer,学 “碰到哪、受力多少、随时间怎么变” 这类共性特征。
- 输出 Token:最终产出统一的触觉 Token,动作模型不用碰原始信号,直接拿特征做决策。
训练数据本身的构成,能说明它为什么敢叫 “基础模型”。
| 数据来源 | 时长 | 交互段数 | 占比 |
|---|---|---|---|
| 压阻式(人戴触觉手套) | 2197 小时 | 86,906 | 44.1% |
| 磁触觉(人戴触觉手套) | 1136 小时 | 294,871 | 32.7% |
| 视触觉(遥操作 Sharpa Wave 双臂) | 1650 小时 | 82,654 | 23.1% |
| 合计 | 4983 小时 | 464,433 | 100% |
训练目标用的是适配稀疏、无标注触觉信号的 Tactile-JEPA,配合 mask warm-up 与布局增强。通俗讲就是让模型做 “填空题”:随机遮住一部分指尖信息,让它根据其他位置的接触变化推断被遮住的部分发生了什么,而且不要求逐像素还原原始数值,只要求预测出有意义的接触状态与物理变化。
效果不能只看宣传,真机测试的数字更直接。
| 灵巧手 | 动作模型 | 无触觉 | 直接输入触觉 | 用 Touch 表征 |
|---|---|---|---|---|
| Sharpa Wave | Diffusion Policy | 22.31% | 30.06% | 35.51% |
| Sharpa Wave | π0.5 | 47.56% | 56.70% | 68.58% |
| Sharpa Wave | LingBot-VLA | 45.60% | 56.29% | 72.51% |
| Sharpa Wave | T-Rex | 44.06% | 57.99% | 70.05% |
| XHand1 | Diffusion Policy | 19.38% | 24.00% | 35.67% |
| XHand1 | π0.5 | 49.71% | 48.00% | 74.17% |
| XHand1 | LingBot-VLA | 57.21% | 57.21% | 75.04% |
| XHand1 | T-Rex | 49.96% | 51.92% | 63.79% |
单看任务也能感受到差别。以拧瓶盖为例,Sharpa Wave 在没有触觉模型时成功率只有 56.25%,接入 LingBot-Touch 后,机器人能感知瓶盖即将打滑并及时调整力度,成功率提升到 90%。
跨硬件复用是这套方案最关键的一环。XHand1 用的磁触觉传感器型号并不在预训练数据里,模型学到的磁触觉经验全部来自人戴手套采集的数据;换到这只手后,团队保持 LingBot-Touch 参数不变,只用 XHand1 的操作示范训练动作模型,效果照样成立。这意味着新型号传感器不必重新采集、重新训练触觉模型。
几个容易被忽略的工程细节,值得单独列出来。
- 不绑自家模型:真机测试同时接了 Diffusion Policy、π0.5、LingBot-VLA、T-Rex 四种策略,LingBot-Touch 处在传感器与动作模型之间的通用感知层。
- 两种容量:为兼顾感知与端侧算力,提供两个版本;26 项真机测试全部用约 530 万参数的 LingBot-Touch-Tiny 完成。
- 算力开销极小:接入后模型参数量仅增加约 0.13% 至 0.16%,不吃端侧预算。
- 仿真也验证过:除真机外,还做了 12 项仿真强化学习任务。
- 全部开源:技术报告、模型和代码已在 GitHub、Hugging Face、魔搭社区放出,论文为 arXiv 2611.12806。
开发者要用起来,路径大致是五步。
- 看自己手上是什么传感器:压阻、磁、视触觉都在覆盖范围内,先确认型号是否属于已见类型。
- 接统一 Token 层:不直接改策略网络,把 LingBot-Touch 的输出作为触觉输入接进去。
- 先用 Tiny 版验证:530 万参数、开销极小,适合先在真机上跑通再考虑大版本。
- 只训动作模型:换手或换任务时,触觉模型冻结,用少量示范训练策略即可。
- 留好扩展口:架构对新型传感器预留了接入空间,后续换硬件不必推倒重来。
也正因为如此,这次发布的意义不止是多了一个模型。蚂蚁灵波的通用大脑此前已覆盖高精度空间感知、高动态环境交互和可泛化灵巧操作,LingBot-Touch 补上的是 “指尖” 这一环。它把触觉从 “选哪款传感器” 的硬件问题,变成了 “用哪套表征” 的底座问题 —— 传感器厂商按成本和任务选硬件,整机团队保留自己的动作策略,模型侧共享同一套接触理解。对具身智能来说,这条路走通,才谈得上精细操作的规模化。
【常见问题】
问题 1:LingBot-Touch 是什么,为什么叫触觉基础模型?
回答 1:LingBot-Touch 是蚂蚁灵波 11 月 10 日开源的触觉基础模型,基于 4983 小时真实触觉数据、约 46.4 万段交互记录预训练,覆盖压阻式、磁触觉、视触觉三类传感原理。之所以叫 “基础模型”,是因为它不绑定某只手、某款传感器或某个策略,输出的是统一触觉 Token,可跨传感器、跨灵巧手、跨模型、跨任务复用。它已接入 LingBot-VLA,补齐了通用大脑的指尖感知。
问题 2:LingBot-Touch 的触觉数据是怎么来的,规模有多大?
回答 2:两类真实操作采集。一类是人戴触觉手套,采到 2197 小时压阻式数据和 1136 小时磁触觉数据;另一类是通过遥操作 Sharpa Wave 双臂机器人,采到 1650 小时视触觉数据。合计 4983 小时、464,433 段交互、13.3 亿帧,覆盖抓握、旋转、装配等多种操作。压阻占 44.1%、磁触觉占 32.7%、视触觉占 23.1%,三类比例相对均衡,避免模型偏科。
问题 3:LingBot-Touch 在真机上到底提升了多少成功率?
回答 3:26 项真机任务、两款灵巧手、四种动作模型,接入后平均任务成功率比无触觉时提高约 14 至 26 个百分点。最典型的一组是 Sharpa Wave 上的 LingBot-VLA,从 45.60% 提到 72.51%;XHand1 上的 LingBot-VLA 从 57.21% 提到 75.04%。单任务看,拧瓶盖在 Sharpa Wave 上从 56.25% 提升到 90%,靠的就是感知打滑并及时调整力度。
问题 4:换一只没用过的灵巧手,LingBot-Touch 还要重新训练吗?
回答 4:不用重训触觉模型。测试中 XHand1 搭载的磁触觉传感器型号不在预训练数据里,团队保持 LingBot-Touch 参数不变,只用 XHand1 的操作示范训练动作模型,效果依然成立。这正是它相对 “一传感器一模型” 方案的价值:触觉理解与传感器物理信号解耦,换手、换型号、换任务都只需少量示范,不用重新采集数据、重复开发。
【参考资料】
- [2026-11-12](Fable、Astra 走向物理世界,蚂蚁灵波选择从指尖扎根)36 氪
- [2026-11-10](从 “一脑多机” 到 “一脑多手”,蚂蚁灵波开源 LingBot-Touch 触觉基础模型)新华网
- [2026-11-10](从 “一脑多机” 到 “一脑多手”,蚂蚁灵波开源 LingBot-Touch 触觉基础模型)央广网
- [2026-11-10](坚持具身原生路线,蚂蚁灵波发布 LingBot-Touch 触觉基础模型)36 氪
- [2026-11-10](蚂蚁灵波又放大招!机器人通用大脑学会共享 “手感”)智东西
- [2026-11-09](Learning Heterogeneous Tactile Representation for General Dexterous Manipulation)arXiv
免责声明:本文依据蚂蚁灵波官方发布、新华网、央广网、36 氪、智东西公开报道及 arXiv 技术报告(2611.12806)整理。触觉数据时长、成功率等为厂商与研究团队公布口径,其中 4983 小时为预训练数据总量,非单一传感器规模;成功率提升幅度受任务难度与硬件配置影响,不同测试间不完全可比。文中不构成对任何企业或产品的推荐与投资建议。
