蚂蚁灵波啃下具身智能 "最后一厘米":LingBot-Touch 开源触觉模型,26 项真机测试成功率提升 14~26 个百分点
2026 年 11 月 10 日,蚂蚁集团旗下具身智能公司蚂蚁灵波甩出一个硬成果 —— 开源触觉基础模型 LingBot-Touch,直接把机器人最棘手的 "最后一厘米" 问题给啃下来了。什么叫 "最后一厘米"?就是机器人眼睛能看清物体在哪、手臂能伸到正确位置,但手指碰到物体之后那一下 —— 受力合不合适、物体有没有打滑、接触点对不对 —— 全靠视觉根本判断不了,必须靠触觉补上。过去两年具身智能行业都在卷 "大脑"(VLA 模型、世界模型),但机器人真到了拧瓶盖、翻书页、插线束这种精细操作环节,成功率往往卡在 50%~60% 上不去,缺的就是这层指尖的触觉感知。蚂蚁灵波这次做的事,就是把磁触觉、视触觉、压阻式三种主流传感器的原始信号,全部编码成统一的触觉 Token,喂给动作模型用。实测数据很能打:在 Sharpa Wave 和 XHand1 两款灵巧手上做了 26 项真机测试,接入 LingBot-Touch 之后,LingBot-VLA、π0.5、Diffusion Policy、T-Rex 四种动作模型的平均任务成功率比无触觉时提升了 14 到 26 个百分点。最夸张的一组数据 ——T-Rex 控制 Sharpa Wave 拧瓶盖,不加触觉成功率 56.25%,直接喂传感器原始信号 62.5%,接入 LingBot-Touch 的统一触觉表征后直接干到 90%。蚂蚁灵波 CEO 朱兴的判断很直白:物理操作泛化性这块硬骨头绕不开,数字大模型再强,最后那一下 "手感" 还是得靠具身原生模型自己突破。
一、为什么说触觉是具身智能的 "最后一厘米"
1. 机器人看得见、伸得到,但摸不准
先把问题说透。机器人执行一个精细操作,分三步:
| 步骤 | 靠什么 | 现在做到什么程度 |
|---|---|---|
| 第一步:看清物体在哪 | 视觉模型(RGB-D 相机) | 基本解决,精度到毫米级 |
| 第二步:伸手到正确位置 | 运动控制 + 视觉伺服 | 基本解决,能对准目标 |
| 第三步:指尖接触后的微调 | 触觉感知 | 没解决,这就是 "最后一厘米" |
拧瓶盖就是个典型例子。深度信息帮手指对准瓶盖,开始转之后呢?瓶盖可能已经松动了,也可能指腹正沿着盖壁打滑 —— 这两种情况在画面里长得几乎一样,但需要完全不同的动作调整。指尖的接触位置、受力大小、受力变化,这些信息往往被手指和物体挡住,视觉根本拿不到。
翻书页、插线束、辨识麻将牌、捏软质物体 —— 所有需要 "手感" 的场景,都卡在第三步。
2. 触觉传感器有了,但数据用不起来
更麻烦的是,触觉传感器行业本身还在早期,三条技术路线并行:
| 传感原理 | 特点 | 代表厂商 |
|---|---|---|
| 磁触觉 | 精度高、响应快、成本偏高 | XHand 等 |
| 视触觉(视觉皮肤) | 空间分辨率高、需配合相机 | GelSight 等 |
| 压阻式 | 成本低、结构简单 | 多家国产厂商 |
三条路线各有优劣,长期会并存。但问题来了:同样一次手指接触,用不同传感器测出来的原始信号完全不一样。 模型学会了解读 A 传感器的信号,换成 B 传感器就得重新采集数据、重新训练。硬件迭代越快,这种重复开发的成本越高。
这就好比 —— 你学会了用左手写字,换了一支笔,还得从头学起。
二、LingBot-Touch 到底做了什么
1. 核心思路:把触觉也 "Token 化"
蚂蚁灵波的解法,本质上跟 NLP 里把文字 Token 化、CV 里把图像 Patch 化是一个逻辑 —— 把不同传感器的原始触觉信号,全部映射到统一的触觉 Token 空间。
技术架构分三层:
- 按传感原理分别编码:磁触觉、视触觉、压阻式各有各的编码入口,先处理各自的原始信号
- 映射到统一指尖坐标空间:不同布局的触点,全部对齐到同一套指尖坐标系
- 共享模型输出统一触觉 Token:由一个共享模型学习接触位置、受力大小和随时间变化,输出统一的触觉表征
这样做的好处是 —— 人戴触觉手套采的数据和遥操作灵巧手采的数据可以混在一起训练,换了传感器或灵巧手,积累的触觉经验不用推倒重来。
2. 实测数据:四种动作模型全部受益
蚂蚁灵波在两款灵巧手上做了 26 项真机测试,结果如下:
| 动作模型 | 灵巧手 | 无触觉成功率 | 直接输入原始触觉 | 接入 LingBot-Touch | 提升幅度 |
|---|---|---|---|---|---|
| Diffusion Policy | Sharpa Wave | 22.31% | 30.06% | 35.51% | +13.2pp |
| π0.5 | Sharpa Wave | 47.56% | 56.70% | 68.58% | +21.0pp |
| LingBot-VLA | Sharpa Wave | 45.60% | 56.29% | 72.51% | +26.9pp |
| T-Rex | Sharpa Wave | 44.06% | 57.99% | 70.05% | +26.0pp |
| Diffusion Policy | XHand1 | 19.38% | 24.00% | 35.67% | +16.3pp |
| π0.5 | XHand1 | 49.71% | 48.00% | 74.17% | +24.5pp |
| LingBot-VLA | XHand1 | 57.21% | 57.21% | 75.04% | +17.8pp |
| T-Rex | XHand1 | 49.96% | 51.92% | 63.79% | +13.8pp |
几个关键观察:
- 所有四种动作模型都受益,不管是蚂蚁灵波自研的 LingBot-VLA,还是开源的 π0.5、Diffusion Policy、T-Rex
- 轻量版就够用:26 项测试全部用约 530 万参数的 LingBot-Touch-Tiny 完成,接入后整个模型参数量只增加 0.13%~0.16%
- 跨硬件验证通过:XHand1 用的磁触觉传感器型号根本不在预训练数据里,模型是从人戴手套采的数据学的触觉经验,换上去直接能用
3. 两个版本,兼顾端侧和精度
| 版本 | 参数量 | 适用场景 |
|---|---|---|
| LingBot-Touch-Tiny | 约 530 万 | 端侧部署,低算力场景 |
| LingBot-Touch-Small | 更大 | 云端 / 高算力,感知精度更高 |
预训练数据量近 5000 小时,而且蚂蚁灵波说数据加到这个量级,模型还在从新数据里获益 —— 说明触觉预训练还有很大扩展空间。
三、蚂蚁灵波是谁:蚂蚁集团的具身智能 "全栈开源派"
1. 公司背景
蚂蚁灵波是蚂蚁集团旗下的具身智能公司,CEO 朱兴。它走的路线跟行业里很多公司不一样 ——全栈开源。
| 维度 | 信息 |
|---|---|
| 母公司 | 蚂蚁集团 |
| 核心路线 | 具身原生(不依赖通用大模型驱动,自己做物理世界感知 + 操作闭环) |
| 开源模型矩阵 | LingBot-VLA(基座模型)、LingBot-VA(世界动作模型)、LingBot-Vision(空间感知)、LingBot-Touch(触觉) |
| 预训练数据 | LingBot-VLA 2.0 用了 6 万小时真实物理数据;LingBot-Touch 用了近 5000 小时触觉数据 |
| 适配机器人 | 17 家厂商、20 余种构型(单臂、双臂、双足、轮式全覆盖) |
2. 开源战绩
LingBot 系列开源 9 个月,成绩单:
- 下载量突破 220 万
- GitHub Star 数超过 3.3 万
- 被斯坦福 OpenWAM 项目复用、韩国 FastOPD 研究作为教师模型、瑞士洛桑联邦理工学院用于珊瑚礁三维重建
- LingBot-World 成为全球首个同时获得 vLLM、SGLang 两大推理引擎支持的世界模型
- 英伟达把 LingBot-World 集成进了开源世界模型推理库 FlashDreams
3. 落地场景
不只是做模型,蚂蚁灵波已经在真实场景跑起来了:
- 智慧药房:和上海国大药房合作,3 台不同品牌机器人在 80 厘米窄通道内自主完成接单→分拣→交付全流程,已在多家门店常态化运营
- 工业上下料:和隆盛唯睿、德马科技、德迩象网等伙伴拓展
- 海外拓展:和阿拉伯数字经济联盟(AFDE)签了合作备忘录,推机器人在中东零售、物流、酒店餐饮的应用
四、"最后一厘米" 为什么是硬骨头
1. 视觉已经卷到头了,触觉还在原点
过去两年具身智能行业的精力主要花在 "大脑" 上 ——VLA 模型怎么更强、世界模型怎么更准、空间感知怎么更精。视觉相关的模型已经卷到很高的水平,但触觉领域几乎是空白。
原因很现实:
- 数据难采:视觉数据随便拍就有,触觉数据得戴手套、遥操作灵巧手一条条录,成本高
- 传感器不统一:三条技术路线并行,数据格式千差万别
- 评价标准缺失:不像视觉有 ImageNet、COCO 这种公认基准,触觉没有统一评测体系
LingBot-Touch 做的事,相当于在触觉领域建了一个 "ImageNet 式" 的统一表征 —— 不管什么传感器,最后都映射到同一套 Token 空间。
2. 蚂蚁灵波为什么坚持具身原生路线
行业里现在有两派路线之争:
| 路线 | 思路 | 代表 |
|---|---|---|
| 数字大模型驱动 | 接入 GPT、Claude 这类通用大模型,让数字智能驱动物理动作 | 部分创业公司 |
| 具身原生 | 自己做物理世界的感知 + 操作闭环基座模型 | 蚂蚁灵波、Physical Intelligence 等 |
朱兴的观点是:GPT-6 Astra、Claude Fable 5.2 这些数字大模型确实让机器人的复杂推理能力更强,他们也在积极吸收。但要真正跑通操作闭环,物理操作泛化性这块硬骨头绕不开,还是得靠具身基础模型自己突破。两者是 1+1>2 的协同关系 —— 大模型管 "理解任务",具身模型管 "动手干活"。
五、这件事对行业意味着什么
1. 硬件和算法开始解耦
过去机器人公司选了某款灵巧手、某种传感器,后面的触觉算法就得跟着这套硬件走。LingBot-Touch 开源之后,传感器厂商可以按成本选硬件,整机团队可以保留自己的动作策略,不用每换一种组合就重新开发触觉能力。
这跟手机行业 Android 做的事有点像 —— 底层统一了,上层生态才能跑起来。
2. 精细操作场景的门槛被拉低
拧瓶盖成功率从 56% 干到 90%,这个提升不是一点点。翻书页、插线束、分拣小零件 —— 这些过去工业机器人搞不定、人形机器人演示时容易翻车的场景,因为有了统一触觉表征,门槛会快速下降。
3. 开源生态的飞轮转起来了
LingBot-Touch 已经在 Hugging Face、GitHub、魔搭社区全部开源。加上之前的 VLA、VA、Vision、World 模型,蚂蚁灵波的全栈开源矩阵基本齐了。首届蚂蚁灵波具身大模型挑战赛初赛就吸引了 13 个国家、1855 支队伍、3252 名选手参赛 —— 开发者生态一旦形成,模型迭代速度会远超闭源路线。
六、接下来要盯什么
短期:LingBot-Touch 能不能被更多灵巧手厂商和整机团队接入验证。现在测了两款手、四种动作模型,接下来要看跨更多硬件、跨更多场景的泛化效果。
中期:触觉数据量能不能从 5000 小时继续往上冲。蚂蚁灵波自己说数据加到这个量级模型还在获益,说明 1 万小时、2 万小时之后性能还能涨。关键是谁来采、怎么规模化采。
长期:视觉、深度、触觉、温度 —— 这些物理模态能不能在同一个统一模型里对齐。朱兴说了,蚂蚁灵波要推动更多物理模态在统一模型中对齐,最终做成跨构型的机器人行业通用大脑。
具身智能的 "最后一厘米",蚂蚁灵波算是啃下了第一口硬骨头。但这不是终点 —— 从指尖触觉到全身协同,从单臂操作到双臂协作,从工厂到家庭,后面还有很长的路。只不过现在,机器人终于有了 "手感"。
【相关 FAQ】
问题 1:蚂蚁灵波说的具身智能 "最后一厘米" 到底是什么意思?
回答 1:"最后一厘米" 指的是机器人精细操作中最棘手的最后一步 —— 视觉能看清物体在哪、手臂能伸到正确位置,但手指碰到物体之后那一下的触觉感知和微调。拧瓶盖时瓶盖松没松、翻书页时有没有打滑、插线束时受力合不合适,这些信息视觉拿不到,全靠触觉。过去机器人在这些场景成功率往往卡在 50%~60% 上不去,缺的就是这层指尖触觉。蚂蚁灵波这次开源 LingBot-Touch 触觉模型,就是来啃这块硬骨头的。
问题 2:蚂蚁灵波发布的 LingBot-Touch 到底是什么?为什么说它拿下了 "最后一厘米"?
回答 2:LingBot-Touch 是蚂蚁灵波 2026 年 11 月 10 日开源的触觉基础模型,基于近 5000 小时真实触觉数据预训练,覆盖磁触觉、视触觉、压阻式三种主流传感原理。它的核心能力是把不同传感器的原始信号编码成统一的触觉 Token,供不同灵巧手和动作模型使用。在 26 项真机测试中,接入 LingBot-Touch 后四种动作模型的任务成功率平均提升了 14~26 个百分点,T-Rex 拧瓶盖从 56.25% 直接提升到 90%。它解决的就是机器人 "看得见但摸不准" 的问题,所以说拿下了具身智能最难的 "最后一厘米"。
问题 3:蚂蚁灵波是一家什么公司?它在具身智能领域是什么水平?
回答 3:蚂蚁灵波是蚂蚁集团旗下的具身智能公司,CEO 朱兴,走的是全栈开源 + 具身原生路线。核心产品是 LingBot 系列机器人通用大脑,包括 VLA 基座模型、VA 世界动作模型、Vision 空间感知模型、Touch 触觉模型。目前已适配 17 家厂商、20 余种机器人构型。开源 9 个月下载量突破 220 万,GitHub Star 超 3.3 万,被斯坦福、韩国、瑞士等多个海外研究团队复用,英伟达也把 LingBot-World 集成进了自己的推理库。落地场景包括上海国大药房智慧药房、工业上下料等,是国内具身智能开源阵营的头部玩家。
问题 4:LingBot-Touch 开源对整个具身智能行业有什么影响?
回答 4:主要有三层影响:第一,硬件和算法开始解耦 —— 过去换一款灵巧手就得重新开发触觉算法,现在 LingBot-Touch 提供统一触觉表征,传感器厂商和整机团队不用重复造轮子;第二,精细操作场景门槛被拉低 —— 拧瓶盖成功率从 56% 提到 90%,翻书页、插线束、分拣小零件这些过去容易翻车的场景会快速普及;第三,开源生态飞轮加速 —— 模型在 Hugging Face、GitHub、魔搭全部开源,加上首届挑战赛吸引了 13 个国家 1855 支队伍参赛,开发者生态一旦形成,迭代速度会远超闭源路线。
【参考资料】
[2026-11-16](首届蚂蚁灵波具身大模型挑战赛线下决赛在上海举行)微博 @42 号电波
[2026-11-15](Robbyant launches LingBot-Touch tactile AI model for robots)Robotics & Automation News
[2026-11-11](Fable & Astra Enter Physical Retail: Ant Lingbo Launches Fingertip-Focused Offline Expansion)36 氪
[2026-11-10](坚持具身原生路线,蚂蚁灵波发布 LingBot-Touch 触觉基础模型)36 氪
[2026-11-10](触觉也能 Token 化!蚂蚁灵波发布通用触觉模型,把 "具身原生" 推进到机器人指尖)中国日报网
[2026-11-10](LingBot-Touch: An Open Touch Model for Robot Hands)CellCog
[2026-11-10](Ant Group's Robbyant Open-Sources LingBot-Touch Tactile Model for Robot Hands)Pandaily
[2026-11-04](世界级开源具身基模亮相乌镇,中国机器人大脑走向全球)IT 之家
[2026-08-20](搭载蚂蚁灵波通用大脑,机器人走向药房等真实场景)中国日报
[2026-08-19](2026 世界机器人大会:搭载蚂蚁灵波通用大脑,机器人走向药房等真实场景)新华网
[2026-07-20](物理 AI:从 WAIC 展台,奔赴真实产业 "战场")新华网
[2026-07-17](面向智能体商业时代,蚂蚁集团在 WAIC 系统性展示三层 AI 布局)新华网
[2026-07-16](蚂蚁灵波通用大脑驱动智慧药房,获 WAIC 2026"镇馆之宝")中国日报网
[2026-07-10](蚂蚁灵波 LingBot-VA 2.0 发布,具身原生全栈技术布局取得关键进展)中国日报网
[2026-07-08](6 万小时真实物理数据,蚂蚁灵波具身基座模型 LingBot-VLA 2.0 开源)中国日报网
【免责声明】
本文内容基于公开新闻报道、企业官方发布及行业公开信息整理而成,仅供信息参考与技术交流使用,不构成任何投资建议、证券推荐或对特定企业技术能力的最终评判。文中涉及的模型参数、测试数据、性能提升幅度、开源下载量等信息均以蚂蚁灵波官方披露及权威媒体报道为准,读者据此操作风险自担。具身智能行业尚处于早期发展阶段,技术迭代快、商业化落地存在不确定性,本文作者及发布平台不对因使用本文内容而引发的任何直接或间接损失承担责任。市场有风险,决策需谨慎。
本文来自作者[郊野杏香]投稿,不代表海博商机网立场,如若转载,请注明出处:https://www.hb12369.net/qyzx/202611/1057.html
评论列表(4条)
我是海博商机网的签约作者“郊野杏香”!
希望本篇文章《蚂蚁灵波啃下硬骨头 拿下具身智能最难的 “最后一厘米”》能对你有所帮助!
本站[海博商机网]内容主要涵盖:互联网行业的追踪与探索
本文概览:蚂蚁灵波啃下具身智能 "最后一厘米 ":LingBot-Touch 开源触觉模型,26 项真机测试成功率提升 14~26 个百分点