Fable 5.2睁眼拼魔方，中国AI闭眼搓麻将！人类「手感」首次Token化

新智元报道

Anthropic近日发布新一代旗舰模型Fable 5.2，其在物理世界交互中展现出卓越的泛化能力，RoboDojo测试成功率达64.9%，远超GPT-6 Astra。然而，GPT-6 Astra在真机测试中因缺乏触觉反馈，导致插拔任务成功率挂零并损坏硬件。这一反差揭示了当前具身智能的核心短板：机器人缺乏灵敏的“手感”。

针对这一痛点，蚂蚁灵波科技正式发布并开源通用触觉基座模型LingBot-Touch，旨在通过统一多模态触觉信号，赋予机器人通用的物理感知能力。

LingBot-Touch首次将视触觉、磁触觉、压阻式三种异构触觉信号统一转换为动作模型可直接使用的“通用触觉Token”，使机器人能够具备跨硬件平台的通用“手感”。

532万参数即插即用，26项精细操作性能显著提升

为满足真机实时性要求，LingBot-Touch Tiny版仅含532万参数，接入主流动作模型后参数量增加不足0.16%，却显著提升了灵巧手的操作精度。

• 抓握稳定性提升：在“抓喷雾瓶喷水”任务中，成功率从42.50%提升至87.50%，有效解决了视觉滞后导致的打滑问题。
• 精细操作优化：在“挤牙膏”、“拿钥匙开锁”及“盲摸麻将”等任务中，凭借触觉反馈实现力度微调，盲摸麻将成功率翻倍至70%。
• 全面测试夺冠：在26项真机任务和12项仿真操作中，接入LingBot-Touch的组合全线领先。T-Rex、π0.5和LingBot-VLA三大动作模型平均成功率分别提升23.18、21.81和24.81个百分点。
• 高分突破：单页翻书成功率达91.25%，按压弹出SD卡达92%，搬运软纸杯实现100%满分。

5000小时真实触觉数据，实现人手到灵巧手零样本迁移

通用触觉模型训练的难点在于传感器原理各异（视触觉、磁触觉、压阻式信号不兼容）以及真实数据匮乏。蚂蚁灵波团队创新性地采用“人类触觉手套”采集方案，构建了全球最大规模、近5000小时（4983小时）、13.3亿帧的真实触觉数据集，其中三分之二源自人类日常操作。

实验证明，人手采集的触觉数据可零样本迁移至全新构型的灵巧手。在预训练数据100%来自人类手套的情况下，模型直接应用于未见过的磁触觉灵巧手，π0.5模型的平均成功率从48%飙升至74.17%，搬运软纸杯成功率从58%跃升至90%。这标志着物理接触感知能力已跨越硬件形态限制。

统一三类触觉信号，基于预测受力构建真手感

LingBot-Touch通过提取不同传感器的共性——接触位置、力度大小、力方向及滑动状态，构建了统一的通用基础模型。其核心技术架构包含三步：

1. 统一接口：为三类传感器设置极简入口，转换格式后输入同一主干网络。
2. 空间映射（5D-RoPE）：将所有触点映射至三维指尖球面坐标，防止模型过拟合特定硬件排布。
3. 触觉JEPA架构（Tactile-JEPA）：借鉴JEPA理念，模型不再还原零值底噪，而是推断被遮挡区域的受力情况。此举将跨模态检索召回率从传统方案的3.06%-8.69%大幅提升至49.32%。

盲摸定位精度达0.12毫米，验证触觉Scaling定律

在五项物理接触测试中，LingBot-Touch在权重锁死的情况下，指尖盲摸定位误差低至0.12毫米（竞品FTP-1为2.19毫米），在新款磁触觉灵巧手上也保持在0.16毫米。指尖三维力感知误差降低约65%，真机任务平均成功率以82.2%对67.5%大幅胜出。

研究还观察到触觉领域的Scaling现象：随着数据量接近5000小时，混合多传感器数据训练效果优于单一传感器，且大容量Small版模型性能仍在持续上升，证明“数据越多、模型越大，手感越强”。

硬件不必统一，智能可以共享

LingBot-Touch的核心理念是“硬件不必统一，智能可以共享”。它作为硬件与场景间的智能中间层，将不同本体和传感器的物理经验转化为统一的开源表征。

产业价值：

• 传感器厂商：无需重复训练模型，新硬件接入即可产出通用触觉Token，专注提升硬件性能。
• 整机厂商：实现传感器自由选型，如“指尖视触觉+手掌压阻阵列”的高性价比组合成为可能，降低开发维护成本。

目前，该方案已在零售药房、仓储物流和工厂产线落地。随着触觉这一“物理原生模态”实现预训练和复用，具身智能有望像语言智能一样积累厚度，推动机器人真正走进千行百业。

编辑：摩西 桃子