撰文 | 吴先之
编辑 | 王潘
近期，随着通用大模型在任务理解与复杂推理能力上的突破，机器人“大脑”的技术路线成为具身智能行业的焦点。Anthropic发布的Claude Fable 5.2展示了控制机器人进行精细操作的能力，验证了通用模型向物理世界延伸的潜力。
然而，当机器人能够理解指令并规划步骤后，如何稳定执行动作成为新的关键问题。11月10日，蚂蚁灵波科技开源触觉基础模型LingBot-Touch，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，旨在解决机器人接触物体后的判断难题，如抓握稳定性、打滑检测及力度调整。
训练通用的“手感”
“手感”属于典型的默会知识，难以通过文字传承，需通过大量实践积累。LingBot-Touch展示了机器积累此类经验的过程。
在数据规模上，该模型使用了4983小时真实触觉数据进行预训练，包含46.4万段交互、约13.3亿帧数据，涵盖抓握、旋转、滑动、擦拭、装配及双手配合等动作。数据来源包括真人佩戴触觉手套采集的压阻式和磁触觉数据，以及遥操Sharpa Wave双臂灵巧手机器人采集的视触觉数据。其中，三分之二的数据来自真人采集，不依赖机器人本体，为数据规模化提供了新路径。
针对三类传感器在指尖大小、触点数量和排布上的差异，LingBot-Touch将不同信号统一转化为触觉Token，并标注时间、手指编号和三维位置。训练过程中引入触点密度与位置扰动，防止模型过拟合特定传感器排布。
鉴于触觉信号的稀疏性，模型采用掩码策略，让模型根据未遮挡触点的变化推断被遮挡区域的接触情况，从而将注意力集中在关键接触帧。为满足端侧部署需求，LingBot-Touch提供Tiny和Small两个版本。其中Tiny版仅约530万参数，接入LingBot-VLA、π0.5和T-Rex后，参数量增幅分别仅为0.13%、0.15%和0.16%。
真机测试显示，搭载Sharpa Wave和XHand两款灵巧手，结合LingBot-VLA、π0.5、Diffusion Policy和T-Rex四种动作模型，在完成翻书、叠杯、搬运易变形杯等26项任务中，使用LingBot-Touch提取触觉Token组的平均成功率最高。
以拉合拉链场景为例，π0.5在Sharpa Wave上不使用触觉的成功率为39%，直接输入原始信号降至15%，而使用LingBot-Touch后提升至59%。在感知精度方面，LingBot-Touch在Sharpa Wave上的平均定位误差为0.12毫米，显著优于对照方案FTP-1的2.19毫米。
行业迎来制式化的解法
当前机器人触觉面临的主要痛点是不同硬件和任务积累的触觉经验难以复用。由于视触觉、磁触觉、压阻式三条技术路线并行，量纲、布局及采样频率各异，导致每个团队需从零构建采集管线和标定流程，且模型难以跨硬件迁移。
这种定制化路径限制了精细作业的自动化水平。例如，汽车行业线束装配自动化比例不足10%，因涉及大量柔软线束的抓取与连接确认，极度依赖触觉反馈。LingBot-Touch通过按传感原理适配而非硬件型号适配，提供了制式化解决方案。其编码入口针对原理设置，触点映射至标准化坐标，并通过布局扰动实现同一原理下新型号的直接接入。
实测验证了其“开箱即用”能力。在未见过XHand所用磁触觉传感器型号的情况下，固定LingBot-Touch参数，仅训练动作策略，四种动作模型成功率均显著提升。例如，LingBot-VLA在XHand上搬运易变形杯的成功率从58%提升至90%。
统一的触觉表征语言使产业链各方受益：动作模型团队无需重复投入触觉层研发；硬件厂商可聚焦器件精度与耐用性；整机厂和应用方则获得更大的选型自由，可按任务需求混合搭配不同触觉方案，降低换型成本。
在国内灵巧手和传感器种类丰富的背景下，通用触觉模型有助于整合碎片化数据，实现技术路线互补。蚂蚁具身智能生态已初具雏形，涵盖乐聚、钛虎等本体厂商，以及国大药房、隆盛等场景合作方。代码与权重的开源使得外部团队可直接使用，随着真实作业数据的持续回流，模型能力将进一步增强。
真实世界没有暂停键
尽管GPT-6 Astra等通用大模型在机器人任务规划上表现出色，但在高精度动态控制和双手配合等需要实时触觉反馈的任务中仍显吃力。仿真测试显示，高频调用模型会导致计算延迟，而真实物理世界不允许暂停等待。
触觉数据处理具有特殊性：数据需从物理世界采集而非互联网获取；信号变化极快，要求模型轻量以嵌入真机回路；原始信号需经专门处理才能转化为有效信息。这些特点决定了通用大模型短期内无法完全替代专用触觉模型。
蚂蚁灵波采取具身原生策略，将关键能力拆解研究：LingBot-Vision与Depth 2.0负责视觉与空间感知，VLA 2.0负责指令理解与动作生成，World 2.0与Video负责世界变化感知，VA 2.0统一预测与生成，而LingBot-Touch专责接触处理。
这些模型共同构成感知、预测、执行的闭环。灵波计划先将各模态做扎实，再逐步融合对齐，构建统一的大脑。相较于依赖互联网数据的通用大模型，这种深耕物理世界的路径有望建立起独特的竞争壁垒。
未来，随着通用触觉模型的普及，新硬件和新任务无需从零学习“手感”，机器人将能更灵活地应对复杂物理环境。
微信号｜TMTweb
公众号｜光子星球