这次具身智能两条路线同时出新成果，一边是 Anthropic 的 Fable 5.2，靠摄像头视觉信息，控制机器人完成拼魔方、拧瓶盖这类操作，在 RoboDojo 测试拿到 64.9% 的成功率；另一边国内蚂蚁灵波推出 LingBot-Touch 触觉基座模型，把人类的触摸手感转化成可以被大模型识别、训练的触觉 Token，也就是大家说的手感 Token 化，演示里的 AI 灵巧手可以闭眼盲摸麻将，全程不依靠摄像头看牌面，只靠指尖触觉分辨麻将花纹，这套方案补上了纯视觉机器人缺少触觉感知的短板，也是业内第一次把不同类型触觉传感器的信号统一成通用触觉表征。之前很多机器人只能靠视觉干活，遇到打滑、软硬不一样、看不见的物体就很容易出错，视觉只能看到表面，没办法感知阻力、凹凸、软硬，而触觉 Token 就是把指尖压力、形变、纹理这些触摸信号，翻译成模型能看懂的 Token，和图像 Token、文本 Token 逻辑类似。Fable 5.2 走的是视觉大模型直接控制机器人的路线，优势是通用性强，陌生任务也能尝试；LingBot-Touch 专注触觉模态，主打给灵巧手增加 “手感”，两个技术方向刚好互补。
一、Fable 5.2 视觉具身能力详情
- 发布主体：Anthropic
- 测试基准：RoboDojo 双臂仿真机器人测试
- 核心成绩：平均成功率 64.9%，上一代 Fable5.1 仅 27.6%，高于 GPT-6 Astra、Claude Opus 5.5
- 典型任务：还原魔方、拧瓶盖、画图、组装齿轮
- 技术特点：纯视觉输入，依靠摄像头画面做规划推理，不需要触觉传感器，擅长看得见的操作
- 局限：没有触觉反馈，遇到打滑、卡死、软材质物体容易失误
二、LingBot-Touch 触觉 Token 化方案明细
| 项目 | 参数与说明 |
|---|---|
| 发布主体 | 蚂蚁灵波（Robbyant） |
| 核心能力 | 触觉信号统一编码，实现人类手感 Token 化 |
| 兼容传感器 | 磁传感、视觉触觉、压阻式触觉传感器 |
| 参数版本 | Tiny 版 532 万参数，接入动作模型几乎不增加额外开销 |
| 经典测试 | 盲摸麻将，镜头不能看到牌面，任务成功率 70% |
| 数据集 | 近 5000 小时真机触觉数据，包含人手穿戴数据手套、遥操作灵巧手采集样本 |
| 开源协议 | Apache-2.0，权重在 Hugging Face、ModelScope 开放 |
三、视觉路线和触觉路线的区别
- Fable 5.2：眼睛优先，看画面做动作，适合开阔、可见的操作场景，没有触觉感知
- LingBot-Touch：触觉优先，把触摸信号编码成 Token，适合盲摸、精细拿捏、感知软硬阻力的场景
- 结合方向：未来可以视觉 + 触觉两套 Token 一起输入模型，机器人同时看得见、摸得到，更贴近人类操作习惯
四、行业意义
之前大模型主要处理文字、图片这类视觉文本 Token，触觉数据因为传感器种类多、信号格式不统一，很难跨设备通用。LingBot-Touch 完成触觉 Token 化之后，触觉数据可以像文字图片一样训练、迁移，不同灵巧手、不同传感器之间的手感经验可以互通。Fable 5.2 则证明通用大模型本身就能直接指挥机器人做物理操作，不用单独训练专用机器人模型。两者代表具身智能两个重要方向，一个解决 “看懂”，一个解决 “摸懂”。
总的来说，这次 Fable 5.2 睁眼拼魔方、国内 AI 闭眼摸麻将，本质是具身智能从只看画面，开始补齐触觉感知能力，手感 Token 化打开了触觉数据规模化训练的通道，后续会对人形机器人、工业灵巧操作、家政机器人带来很大影响。
【常见问题】
问题 1：Fable 5.2 拼魔方和国内 AI 闭眼搓麻将，核心差别是什么？
回答 1：Fable 5.2 拼魔方依靠摄像头视觉信号，属于视觉驱动；国内 LingBot-Touch 的 AI 闭眼搓麻将依靠触觉，把触摸手感转为触觉 Token，全程不允许镜头看见牌面，二者分别对应视觉具身、触觉 Token 化两条路线。
问题 2：手感 Token 化是什么意思，LingBot-Touch 怎么实现手感 Token 化？
回答 2：手感 Token 化就是把指尖压力、凹凸纹理、软硬触感这些触觉信号，编码成大模型能够识别、训练的 Token，LingBot-Touch 统一多种触觉传感器信号，构建通用触觉表征，完成手感 Token 化。
问题 3：LingBot-Touch 盲摸麻将任务成功率是多少，有什么硬性规则？
回答 3：LingBot-Touch 盲摸麻将任务成功率 70%，硬性规则是麻将牌面不能被摄像头拍到，AI 只能依靠触觉 Token 分辨麻将花纹，属于纯触觉测试。
问题 4：Fable 5.2 在 RoboDojo 测试的成绩是什么，对比其他模型水平如何？
回答 4：Fable 5.2 在 RoboDojo 双臂机器人测试平均成功率 64.9%，高于 GPT-6 Astra、Claude Opus 5.5，上一代 Fable5.1 仅 27.6%，视觉操控泛化能力提升明显。
【参考资料】
[2026-11-10]（Fable 5.2 睁眼拼魔方，中国 AI 闭眼搓麻将！人类「手感」首次 Token 化）新智元
[2026-11-10]（Token 卷到触觉了！机器人终于有了通用手感）量子位
[2026-11-10]（Ant Group's Robbyant Open-Sources LingBot-Touch Tactile Model for Robot Hands）Pandaily
[2026-11-09]（Introducing Claude Fable 5.2 and Claude Mythos 5.2）Anthropic 官网
【免责声明】
本文内容仅为 AI 行业资讯科普，不构成投资、技术采购建议。Fable 5.2、LingBot-Touch 相关测试数据为厂商公开测试结果，实际落地效果受硬件、场景影响，触觉 Token 化技术仍处于早期研究阶段，商业化落地存在不确定性，请理性看待具身智能相关进展。