蚂蚁灵波在 11 月 10 日正式开源 LingBot-Touch 触觉基础模型，它的核心价值就是解决不同触觉传感器、不同灵巧手之间数据不互通的痛点，把五花八门的触觉信号转成统一的触觉表征，直接对接机器人通用大脑，让机器人除了视觉理解之外，拥有能感知压力、滑移、接触状态的 “手感”，视觉只能看到物体长什么样，没法判断抓得牢不牢、用力会不会捏碎东西，而触觉刚好补上这个闭环短板。之前行业里一大难题就是传感器标准五花八门，压阻、磁触觉、视触觉输出的数据格式完全不一样，一套触觉模型很难换到另一款灵巧手上用，每次换硬件都要重新采集数据、重新训练，落地成本很高。LingBot-Touch 用接近 5000 小时真实触觉交互数据完成预训练，覆盖这三类主流触觉传感方案，把触点信息映射到统一的虚拟指尖空间，输出标准化触觉 Token，即便是预训练里没见过的新款传感器，大多也不用重新训练就能直接适配。真机测试选了两款灵巧手、搭配四种主流动作策略模型，做了拧瓶盖、翻书页、识别麻将牌一共 26 项精细操作任务，接入 LingBot-Touch 之后，任务平均成功率提升 14 到 26 个百分点，这套模型已经接入自家 LingBot-VLA 通用大脑。总的来说，LingBot-Touch 不是独立的机器人大模型，而是一个触觉感知底座，开发者可以直接把它嵌入各类 VLA、扩散策略、强化学习动作模型，快速给机器人加上触觉感知能力，降低灵巧操作项目的开发门槛。
LingBot-Touch 基础核心信息清单
- 发布主体：蚂蚁灵波科技
- 开源时间：2026-11-10
- 预训练数据：近 5000 小时真实触觉数据、46.4 万段交互、13.3 亿帧
- 支持传感器：压阻式、磁触觉、视触觉三类主流触觉方案
- 模型版本：Tiny、Small 两个版本，轻量化，对原有策略模型参数增加很少
- 接入对象：LingBot-VLA、π0.5、Diffusion Policy、T-Rex 等动作模型
- 开源渠道：GitHub、Hugging Face、魔搭社区，开放代码、权重、技术报告
真机测试情况表
| 测试灵巧手 | 配套策略模型 | 测试任务 | 效果变化 |
|---|---|---|---|
| Sharpa Wave | LingBot-VLA | 拧瓶盖、翻页、识别小物件等 26 项 | 成功率从 45.60% 提升至 72.51% |
| XHand1（磁触觉） | π0.5、Diffusion Policy、T-Rex | 同类精细交互任务 | 整体成功率提升 14%~26% |
LingBot-Touch 工作流程
- 触觉传感器采集原始压力、形变、接触图像信号
- 模型按传感器类型做单独编码，映射到统一指尖坐标空间
- 输出标准化触觉 Token 表征
- Token 送入机器人通用大脑 / 动作策略模型，和视觉信息融合
- 模型判断物体是否打滑、受力大小，动态调整抓取力度，完成闭环操作
它能解决的典型问题
- 抓取软物品时用力过大捏坏物体
- 抓取光滑物体无法感知滑移、容易掉落
- 更换灵巧手、传感器之后，触觉能力需要重做训练
- 视觉单独完成精细操作时稳定性差、容错低
【常见问题】
问题 1：LingBot-Touch 触觉基础模型开源之后，是不是可以直接单独控制机器人灵巧手？
回答 1：不行，LingBot-Touch 是触觉感知底座，核心作用是输出统一触觉表征，给通用大脑补充手感信息，它需要搭配 VLA 或者其他动作策略模型一起使用，不能单独控制灵巧手完成任务。
问题 2：LingBot-Touch 触觉基础模型支持哪些触觉传感器，陌生新传感器需要重新训练吗？
回答 2：原生支持压阻式、磁触觉、视触觉三类主流触觉传感器；大部分不在预训练集里的新型传感器，不用重新训练 LingBot-Touch 主干，直接适配接入，实现跨硬件复用手感。
问题 3：机器人通用大脑接入 LingBot-Touch 触觉基础模型之后，对机器人操作提升在哪？
回答 3：接入 LingBot-Touch 之后，机器人不再只靠视觉判断，能感知接触压力、物体滑移，在拧瓶盖、翻书页这类精细任务里稳定性明显提高，真机测试任务成功率有 14 至 26 个百分点的提升。
【参考资料】
[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]（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]（通用大脑有了 “手感”! 蚂蚁灵波发布通用触觉模型，把 “具身原生” 推进到机器人指尖）扬子晚报
[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
[2026-11-10]（Learning Heterogeneous Tactile Representation for General Dexterous Manipulation）arXiv
【免责声明】
本文仅为 AI 具身智能行业资讯科普，不构成项目开发、商业采购投资建议；LingBot-Touch 模型效果受灵巧手硬件、传感器质量、下游策略模型影响，实际落地效果存在差异；模型能力、开源协议、更新迭代以蚂蚁灵波 GitHub 官方仓库、项目主页为准。