蚂蚁灵波开源LingBot-Touch：给机器人一双通用的“手感”

蚂蚁灵波开源了触觉基础模型LingBot-Touch。量子位11月10日的报道给出的核心结论是：这只模型能把人手采集的触觉经验，迁移到它从未见过的灵巧手上，而不需要针对新硬件改一个参数。

最能说明问题的是XHand上的实验。XHand使用的磁触觉传感器型号从未出现在预训练数据里，预训练中的磁触觉数据也全部来自人戴的手套；接入XHand时，LingBot-Touch一个参数都没改。即便如此，π0.5在6项任务上的平均成功率仍从直接喂原始信号时的48.00%升到74.17%。

其中分离叠杯这项任务从32.5%提高到72.5%，翻了一倍多。这个任务要求灵巧手只取走最上面的杯子：一只手扶住整摞杯子，另一只手捏着杯沿往外抽；阻力突然变小而指腹仍贴着杯沿，说明杯子已经松脱、必须马上收力；若是指腹自己在打滑，则要重新抓。两种情况的手感截然不同。

与上一代触觉基础模型FTP-1的对比更能体现泛化差异。在Sharpa Wave上判断接触中心，FTP-1的误差是2.19毫米，LingBot-Touch是0.12毫米；在XHand上，误差从5.89毫米降到0.16毫米。FTP-1在这两只手上各自配了专门的适配器，而LingBot-Touch用的是同一个冻结的编码器。

规模效应也已初步显现。Tiny版在4000小时左右开始饱和，容量更大的Small版到5000小时效果仍在上涨，真机任务的成功率同样随预训练数据增加而稳定提升。

把LingBot-Touch放回灵波的技术路线里，它的位置很清楚：空间感知有LingBot-Vision与LingBot-Depth 2.0，环境交互有LingBot-Video与LingBot-World 2.0，灵巧操作有LingBot-VLA 2.0与LingBot-VA 2.0，但这些能力大多在解决“碰到之前”的问题——东西在哪、手该伸到哪、下一步该干什么。手指一旦接触物体，视觉信息就迅速减少，比如指腹贴着瓶盖的位置被手挡住，钥匙插进锁孔后更是看不见。

用一句话概括就是“视觉管接触之前，触觉管接触之后”。双手开锁是典型例子：握住挂锁、对准锁孔主要靠眼睛，钥匙往里推时可能顶歪锁体、推到一半卡住要退回换角度，进孔之后摄像头基本帮不上忙，只能靠钥匙传回指尖的阻力判断。

灵波把触觉单独做成基础模型，理由是每只手的控制方式不同，但都必须理解接触；把“理解接触”抽成可复用的一层，一款硬件攒下的经验就能成为下一款机器人的起点。这也解释了设计选择：用手套采数据是为了不依赖机器人本体、把数据规模做上去，入口按传感原理而非产品型号设计，是为未来的新传感器留出位置。

目前LingBot-Touch已与LingBot-VLA、LingBot-Depth融合，用于提升通用大脑的手眼协同与精细操作能力。落地方面，灵波正与乐聚、钛虎等本体伙伴，以及国大药房、隆盛等场景伙伴，在零售分拣、物流分拣和工业场景开展商业化测试。