蚂蚁灵波开源触觉基础模型 LingBot-Touch，让四种机器人策略成功率提高 14 至 26 个百分点

蚂蚁集团旗下具身智能公司蚂蚁灵波（Robbyant）开源了触觉基础模型 LingBot-Touch。它用 4983 小时的指尖数据训练，数据来自压阻式、磁式和视触觉三类传感器。作者 11 月 9 日在 arXiv 发布的技术报告显示，把一个参数量 546 万、用其中 4000 小时预训练的 Tiny 版编码器冻结后接入四种现有机器人策略，它们在 26 项真实双臂任务上的平均成功率提高了 14 至 26 个百分点。这四种策略是 Diffusion Policy、Physical Intelligence 的 π0.5、蚂蚁灵波自己的 LingBot-VLA 和 T-Rex。

真正的发现在对照组。团队还把原始触觉信号直接喂给同样的策略，提升最多只有大约一半，在 7.0 至 11.2 个百分点之间，而且在 104 个"任务-策略"组合中有 22 个反而变差。接入原始触觉后，LingBot-VLA 的麻将分拣成功率从 28.8% 跌到 5.0%。让机器人手"摸得到"已经不难，难的是把摸到的东西变成策略能用的信息。

没见过的传感器也能用

XHand1 上的磁式指尖传感器型号不在预训练数据里。不为它更新任何参数，LingBot-Touch 的触觉 token 让四种策略在 XHand1 六项任务上的平均成功率提高 13.8 至 24.5 个百分点；原始信号带来的变化只有 −1.7 到 +4.6 个百分点。在视触觉传感器见过训练数据的灵巧手 Sharpa Wave 上，π0.5 在 20 项任务上的平均成功率从 47.6% 升到 68.6%。

作者写道，目前还没有哪一种触觉传感器自己积累了 5000 小时数据，而实验表明也不需要：一种传感原理的数据能改善模型在另一种传感器上的表现。数据集混合了人戴触觉手套采集的数据和遥操作机器人手的数据，共 464431 个片段，覆盖 24 类任务。Tiny 编码器只让 π0.5、LingBot-VLA 和 T-Rex 的参数量增加 0.13% 至 0.16%。蚂蚁灵波称，代码和模型已在 GitHub 和 Hugging Face 上发布，有两种尺寸。

触觉胜过视觉的那一刻

提升并非处处都有。在 104 个组合中，LingBot-Touch 有 5 个低于原始策略；每项任务用 200 条示范训练（需要双手的任务用 500 条），再测 20 次。提升最大的，都是摄像头判断不了的那一步：瓶盖有没有拧松（T-Rex，从 56% 到 90%），喷雾扳机有没有扣到位（LingBot-VLA，从 42.5% 到 87.5%），还有拉链头有没有咬合，LingBot-VLA 从 11% 升到 55%。