蚂蚁灵波开源触觉基础模型LingBot-Touch 真机任务成功率提升14至26个百分点
要点
11月10日，蚂蚁灵波科技开源触觉基础模型LingBot-Touch，把磁触觉、视触觉、压阻式三类主流传感路线的原始信号统一转换为同一套触觉表征，供不同灵巧手和不同动作模型调用。模型基于近5000小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类传感原理，已接入LingBo…
11月10日，蚂蚁灵波科技开源触觉基础模型LingBot-Touch，把磁触觉、视触觉、压阻式三类主流传感路线的原始信号统一转换为同一套触觉表征，供不同灵巧手和不同动作模型调用。模型基于近5000小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类传感原理，已接入LingBot-VLA，模型、代码与技术报告在GitHub、Hugging Face和魔搭社区同时开放，采用Apache 2.0许可。
值得留意的不是”手感”这个说法，而是这套表征的组织方式。按官方技术说明，LingBot-Touch为不同传感原理分别设置输入编码器，再由共享的Haptic Transformer融合，用包含时间、手指身份和三维空间位置的编码刻画触觉信号的时空变化，最终向下游输出统一的触觉Token。训练方法上采用基于JEPA的潜空间预测：遮住一段记录中的部分触点，让模型依据其余触点的变化推断被遮挡区域可能发生的接触，并在特征空间而非原始读数空间做对齐。这么设计的直接理由是触觉信号极其稀疏——灵巧手伸向目标途中、调整姿态过程中，读数接近零，只有接触瞬间才产生有效信号，若直接优化原始信号重建，模型很可能把大部分精力用在还原这些接近零的背景数据上。为避免模型记住某一款传感器的固定排布，训练中还引入了逐步提高遮挡比例、改变采样密度、扰动触点位置等做法。
支撑这套训练的数据规模是4,983小时，包含464,431个交互片段、约13.3亿帧，覆盖24类任务。来源结构值得单独一说：压阻式人类手套数据2,197小时、磁触觉人类手套数据1,136小时，来自遥操作Sharpa灵巧手的视触觉数据1,650小时。也就是说约三分之二的接触经验来自真人戴手套采集，不依赖机器人本体。这为触觉数据规模化提供了一条与视觉截然不同的路径——视觉数据可以从互联网上获取，而触觉数据不存在”抓握”的公开语料库，每一段都必须真实产生。这条路径同时也是把成本压力转移到了上游：数据显示最便宜的数据采集手套也要超过4000元一副，而手套的密封性、透气性与贴合度会直接影响信号采集精度。
评测部分给出的是一组有说服力但需要细读的对照。测试在Sharpa Wave和XHand1两款灵巧手上进行，真机任务26项（Sharpa Wave覆盖20项、XHand1覆盖6项），接入Diffusion Policy、π0.5、LingBot-VLA和T-Rex四类动作模型，每组搭配分别跑无触觉、直接输入传感器原始信号、接入LingBot-Touch触觉Token三种设置。在Sharpa Wave上，π0.5从47.56%升至68.58%，LingBot-VLA从45.60%升至72.51%，T-Rex从44.06%升至70.05%；在XHand1上，π0.5从49.71%升至74.17%，LingBot-VLA从57.21%升至75.04%，T-Rex从49.96%升至63.79%。整体口径是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。其中T-Rex控制Sharpa Wave拧瓶盖的成功率从56.25%升至90%。
真正构成矛盾解读的是拉链任务的那组数据。在Sharpa Wave上执行拉拉链任务，π0.5不用触觉时成功率为39%，直接喂入原始触觉信号后反而跌至15%，换成LingBot-Touch输出的触觉Token后才升到59%。三个数字连起来读，指向一个反直觉的结论：把传感器接上并不自动等于提高操作能力，未经整理的原始信号会增加策略的学习难度，统一表征才是跨任务复用的关键。这条对照比单纯的正向增幅更能说明模型层工作的位置——瓶颈不在”有没有触觉”，而在”触觉以什么形式进入策略”。仿真侧的对照同向：12个触觉强化学习任务中，LingBot-Touch平均成功率68.95%，高于CNN触觉编码器的45.59%，也明显高于不使用触觉的21.42%。
不过这套结果的适用边界同样需要摆出来。触觉研究中的一项关键分歧在于视觉能走多远：行业调研者发现，把触觉信号加入模型后机器人能够完成任务，但去掉触觉、只用视觉训练，有时仍能得到相近结果——看起来触觉起了作用，但纯视觉也能做到相近能力。这类观察并未否定触觉的价值，却把问题从”有没有触觉”转向了”哪类任务非触觉不可”。另一重质疑来自硬件侧：同一传感器在相同受力下能否反复输出相近结果、不同批次能否稳定，是训练可靠模型的前提。调研中，被接触到的企业普遍声称自家产品的一致性误差已压到个位数百分比，但实测某款灵巧手时，反复测量之间的偏差却达到了几十个百分点量级。硬件要先能长期使用、不明显漂移、保持良好重复性，才可能产生可靠数据。还有一项被反复提及的短板是评测标准缺失——不同团队使用不同传感器、任务和成功率口径，各类技术路线难以横向比较，这也意味着上述百分比的跨团队可比性仍受限制。
从产业路径看，这次开源的实际意义更接近一次”制式化”尝试。此前触觉算法需要跟硬件型号逐一适配，每条传感路线都要自建采集管线、自行标定与标注，训练出的模型仅服务单一厂商的灵巧手，硬件一迭代就得推倒重来。LingBot-Touch改为按传感原理适配，编码入口对着原理设置，触点统一映射到标准化指尖坐标，训练时叠加布局扰动，同一原理下的新型号因此可直接接入。开箱即用的验证体现在XHand上：其磁触觉传感器型号并未出现在预训练数据中，模型参数保持不变，仅用该手的操作示范训练动作策略，四种动作模型的成功率仍全部明显提升。参数开销方面，全程真机测试使用的轻量版LingBot-Touch-Tiny约532万参数，接入LingBot-VLA、π0.5和T-Rex后，模型参数量分别只增加约0.13%、0.15%和0.16%。这一取舍的直接动因是实时性——手里一旦开始打滑，留给触觉计算的时间窗口转瞬即逝。
纵向看，这次的动作模型对照数据还留了一个未闭合的口子：更大的Small版本在预训练数据增至接近5000小时时仍能从中获益，而Tiny版本在约4000小时后逐渐趋于饱和，说明触觉表征同样存在数据规模效应，这条曲线尚未走完。对照奥迪2026年初披露的数据——整个汽车行业线束生产与装配的自动化比例还不到10%，一套车身线束包含多达600个连接器，从抓起柔软线束、把插头送进接口到确认锁扣到位，几乎每一步都需要边接触边调整——触觉最该发挥作用的作业恰恰是长期低自动化的那部分。按行业给出的落地节奏，触觉先在工业精密装配、科研平台和高端灵巧手上作为高配选项上车，成本进一步下探后才可能进入更普及的形态。无论如何，开源把”手感”从各家私产变成公共资源这件事本身是可验证的：外部团队下载即用，不采一小时数据、不训一天模型，既有机器人即可接入；至于这些触觉经验能否在产线工况下经得住重复性考验，则要等更长的观察周期。
