鲸云网11月10日消息，据媒体报道，蚂蚁灵波科技今日开源触觉基础模型 LingBot-Touch，为机器人大脑补齐此前缺失的触觉感知能力。
该模型基于接近5000小时的真实触觉数据完成预训练，覆盖磁触觉、视触觉和压阻式三类主流传感原理，能把不同来源的信号统一转化为同一套触觉表征。以往每一款灵巧手、每一种传感器都需要单独采集和训练，数据难以互通；统一表征让积累的“手感”可以跨传感器、跨灵巧手、跨模型和跨任务复用，研发方不必为硬件差异重复投入。
在 Sharpa Wave 与 XHand 两款灵巧手上，团队完成了26项真机测试，涵盖翻书页、拧瓶盖、辨识麻将牌等精细动作。接入 LingBot-Touch 后，LingBot-VLA、π0.5、Diffusion Policy 和 T-Rex 四种动作模型的平均任务成功率，较无触觉时提高约14至26个百分点。这几类模型分别代表了视觉-语言-动作融合、扩散策略等不同技术路线，跨路线的一致性提升，说明这套表征具备较好的通用性。
在蚂蚁灵波的路线中，LingBot 系列此前已经构建起覆盖高精度空间感知、高动态环境交互与可泛化灵巧操作的全栈技术体系。LingBot-Touch 把通用大脑的感知从“看清”延伸到“指尖”，是其具身原生通用大脑在触觉维度的一次补全，也与该公司此前开源的世界模型、视频基模形成能力拼图。
在真实物理环境中，机器人每完成一步动作，都需要感知物体与环境的反馈再修正下一步。拧瓶盖是典型例子：深度信息可以帮手指对准位置，但开始转动后，瓶盖可能已松动，也可能是指腹沿盖壁打滑，两种情形在画面里相近却需要不同调整。指尖的接触位置、受力大小及其变化，往往被手指和物体遮挡，处于视觉盲区，却正是动作模型判断的关键依据。
开源意味着研究机构与开发者可以直接调用这套触觉表征，降低灵巧手操作算法的研发门槛，也便于在更多硬件上做二次验证。对具身智能产业而言，视觉、语言与动作模型的融合已相对成熟，触觉感知的公开可用化，可能成为精细操作从实验室演示走向实际产线落地的关键补丁。
如需转载请务必注明出处：鲸云网 责任编辑：华磊
