编辑/张永堃

11月10日，蚂蚁灵波科技正式开源触觉基础模型LingBot-Touch，旨在为机器人大脑补齐关键的触觉感知能力。该模型基于近5000小时真实触觉数据预训练，覆盖磁触觉、视触觉及压阻式三类主流传感原理，可将其转化为统一的触觉表征，供不同灵巧手与动作模型调用。

在真机验证方面，团队在Sharpa Wave与XHand1两款灵巧手上开展了26项精细操作测试（涵盖拧瓶盖、翻书页等）。结果显示，接入LingBot-Touch后，LingBot-VLA、π0.5等四种动作模型的任务平均成功率较无触觉状态提升约14至26个百分点。以T-Rex控制灵巧手拧瓶盖为例，使用该触觉表征后，成功率从56.25%显著提升至90%。

（接入LingBot-Touch后，四种动作模型在两款灵巧手上的真机任务成功率均达到各自最高水平）

在底层架构上，该模型按传感原理分别设置编码入口，先处理不同的原始信号，再将不同布局的触点映射到统一的指尖坐标空间，由共享模型学习接触位置、受力及其随时间的变化，输出统一的触觉Token。这种设计打破了物理信号壁垒，使积累的触觉经验能够真正实现“跨硬件、跨模型、跨任务”复用，大幅降低适配成本。

（LingBot-Touch将磁触觉、视触觉、压阻式触觉信号编码为统一的触觉Token，供不同动作模型使用）

此外，模型提供约530万参数的轻量版，以适应端侧算力需求。同时，模型提供轻量版（约530万参数）以适应端侧算力，参数量仅增加约0.13%至0.16%。

面对当前具身智能技术路线演进，蚂蚁灵波CEO朱兴表示，通用大模型与具身基础模型呈“1+1>2”的协同关系。蚂蚁灵波将坚持具身原生路线，持续推动视觉、深度、触觉等多物理模态在统一模型中的对齐。

目前，LingBot-Touch的技术报告、模型及代码已在Hugging Face、GitHub和魔搭社区全面开源。