蚂蚁灵波正式开源 LingBot-Touch 触觉基础模型，这套模型专门解决机器人精细操作缺少触觉感知的痛点，相当于给机器人通用大脑接上 “手感”，它用近 5000 小时真实触觉数据完成预训练，兼容磁触觉、视触觉、压阻式三类主流触觉传感器，把不同硬件传来的触觉信号转成统一的触觉 Token，不管是什么灵巧手、动作策略模型都可以直接调用，在 26 项真机实操测试里，接入之后任务成功率相比没有触觉的版本提升 14 到 26 个百分点，代码、模型权重、技术报告已经同步上传 GitHub、Hugging Face 和魔搭社区，开发者可以直接下载测试。之前很多机器人方案只靠视觉做感知，视觉只能看清物体位置，一旦手指捏住东西，物体有没有打滑、用力大小合不合适，视觉很难判断，不同厂商触觉传感器的数据格式还互不兼容，一套触觉数据没法换到别的灵巧手上使用，硬件换了就要重新采集数据、重新训练，开发成本很高。LingBot-Touch 做了统一编码层，按照不同传感类型分开做信号处理，再把触点信息映射到统一的指尖坐标空间，输出标准化触觉表征，实现跨传感器、跨灵巧手复用，还有轻量小版本 LingBot-Touch-Tiny，参数量只有 530 万，接入之后不会给动作模型增加太多算力负担。开发者上手使用的时候，先准备好触觉传感器硬件，对接模型输入接口，原始触觉信号送入 LingBot-Touch 做编码，输出统一触觉 Token，和视觉、深度信息一起送入机器人通用大脑或者动作模型，模型结合触觉信息调整抓握力度、动作，完成拧瓶盖、翻书页、物体辨识这类精细任务。这套模型是蚂蚁灵波具身原生路线的一环，补齐通用大脑的触觉模态，后续还会继续迭代，支持更多触觉传感器类型和复杂操作任务。
一、LingBot-Touch 核心参数清单
- 模型名称：LingBot-Touch 触觉基础模型
- 训练数据：近 5000 小时真实触觉采集数据
- 兼容传感器：磁触觉、视触觉、压阻式三类主流触觉传感器
- 轻量版本：LingBot-Touch-Tiny，参数量约 530 万
- 算力增量：接入后仅增加 0.13%~0.16% 参数量开销
- 测试灵巧手：Sharpa Wave、XHand1 两款灵巧手
- 测试任务：26 项精细操作，包含拧瓶盖、翻书页、麻将辨识等
- 效果提升：四款动作模型任务成功率提升 14~26 个百分点
- 开源地址：GitHub、Hugging Face、魔搭社区
- 配套模型：LingBot-VLA、π0.5、Diffusion Policy、T-Rex
二、LingBot-Touch 触觉方案对比表
| 方案 | 感知方式 | 跨硬件适配难度 | 适合场景 |
|---|---|---|---|
| 传统触觉方案 | 传感器信号直接送入动作模型 | 高，不同传感器数据不通用 | 固定硬件、定制化机器人项目 |
| LingBot-Touch 方案 | 异构触觉信号→统一触觉 Token | 低，标准化表征，即插即用 | 通用灵巧手、多传感器混合开发、具身智能研发 |
| 纯视觉方案 | 图像 + 深度信息 | 无触觉输入，只看位置 | 大范围定位，不适合精细抓握 |
三、LingBot-Touch 接入机器人通用大脑操作流程
- 硬件部署：在灵巧手指尖安装磁触觉 / 视触觉 / 压阻触觉传感器，完成信号采集
- 数据输入：原始触觉信号送入 LingBot-Touch 模型编码入口
- 表征转换：模型把异构触觉信号转为统一触觉 Token
- 多模态融合：触觉 Token 和图像、深度信息一起送入机器人通用大脑
- 动作决策：动作模型结合触觉反馈，调整抓握力度、修正动作，防止打滑、捏坏物体
- 迭代调试：根据实操效果，调整传感器采样频率、模型参数
四、模型优势和局限
✅ 优势
- 统一触觉表征，打通不同触觉传感器的数据壁垒，一套模型适配多种硬件
- 轻量版本算力开销很小，适合端侧机器人部署
- 真机实测有效，明显提升精细操作成功率
- 完整开源，开发者可以自由二次开发、接入自有机器人方案
- 只解决触觉表征编码，不能替代视觉、深度感知
- 目前只在指定灵巧手和任务上完成验证，复杂场景泛化还需要继续测试
- 依赖实体触觉传感器硬件，没有硬件就无法使用这套触觉能力
⚠️ 局限
【相关 FAQ】
问题 1：蚂蚁灵波 LingBot-Touch 触觉基础模型开源，给通用大脑接入 “手感” 是什么意思？
回答 1：蚂蚁灵波 LingBot-Touch 触觉基础模型开源，给通用大脑接入 “手感”，就是这个模型可以接收各类触觉传感器的受力、滑移信号，编码成统一触觉表征，给机器人通用大脑增加触觉感知，让机器人能感知捏东西的力度，判断物体会不会打滑。
问题 2：蚂蚁灵波 LingBot-Touch 触觉基础模型开源，轻量版 LingBot-Touch-Tiny 算力压力大吗？
回答 2：蚂蚁灵波 LingBot-Touch 触觉基础模型开源，轻量版 LingBot-Touch-Tiny 参数量约 530 万，接入动作模型之后只带来 0.13%~0.16% 的参数量增量，对端侧机器人算力压力很小。
问题 3：蚂蚁灵波 LingBot-Touch 触觉基础模型开源，它能适配所有触觉传感器吗？
回答 3：蚂蚁灵波 LingBot-Touch 触觉基础模型开源，原生支持磁触觉、视触觉、压阻式三类主流触觉传感器，不属于这三类原理的传感器，需要额外适配改造，不能直接即插即用。
【参考资料】
[2026-11-10]（蚂蚁灵波开源 LingBot-Touch 触觉基础模型，为通用大脑接入 “手感”）新华网
[2026-11-10]（蚂蚁灵波开源 LingBot-Touch 触觉基础模型）澎湃新闻
[2026-11-10]（触觉也能 Token 化！蚂蚁灵波发布 LingBot-Touch 触觉基础模型）量子位
[2026-11-10]（蚂蚁灵波发布 LingBot-Touch 触觉基础模型）36 氪
【免责声明】
以上内容仅为蚂蚁灵波 LingBot-Touch 开源项目资讯整理，不构成采购、商用落地建议；模型适配效果、任务成功率、硬件兼容情况受传感器、灵巧手、动作方案影响，模型许可协议、更新版本以蚂蚁灵波 GitHub 开源主页为准。
本文来自作者[Ezra36]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/202611/437.html
评论列表（4条）
我是海博商机网的签约作者“Ezra36”！
希望本篇文章《蚂蚁灵波 LingBot-Touch 触觉基础模型开源，给机器人通用大脑增加触觉感知》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：蚂蚁灵波正式开源 LingBot-Touch 触觉基础模型，这套模型专门解决机器人精细操作缺少触觉感知的痛点，相当于给机器人通用大脑接上 “手感”，它用近 5000 小时真实触觉数据完成预训练，兼容磁触觉、视触觉、压阻式三类主流触觉传感器，把不同硬件传来的触觉信号转成统一的触觉 Token，不管是什么灵巧手、动作策略模型都可以直接调用，在 26 项真机实操测试里，接入之后任务成功率相比没有触觉的版本提升 14 到 26 个百分点，代码、模型权重、技术报告已经同步上传 GitHub、Hugging Face 和魔搭社区，开发者可以直接下载测试。之前很多机器人方案只靠视觉做感知，视觉只能看清物体位置，一旦手指捏住东西，物体有没有打滑、用力大小合不合适，视觉很难判断，不同厂商触觉传感器的数据格式还互不兼容，一套触觉数据没法换到别的灵巧手上使用，硬件换了就要重新采集数据、重新训练，开发成本很高。LingBot-Touch 做了统一编码层，按照不同传感类型分开做信号处理，再把触点信息映射到统一的指尖坐标空间，输出标准化触觉表征，实现跨传感器、跨灵巧手复用，还有轻量小版本 LingBot-Touch-Tiny，参数量只有 530 万，接入之后不会给动作模型增加太多算力负担。开发者上手使用的时候，先准备好触觉传感器硬件，对接模型输入接口，原始触觉信号送入 LingBot-Touch 做编码，输出统一触觉 Token，和视觉、深度信息一起送入机器人通用大脑或者动作模型，模型结合触觉信息调整抓握力度、动作，完成拧瓶盖、翻书页、物体辨识这类精细任务。这套模型是蚂蚁灵波具身原生路线的一环，补齐通用大脑的触觉模态，后续还会继续迭代，支持更多触觉传感器类型和复杂操作任务。