# 蚂蚁灵波开源触觉预训练模型LingBot-Touch，跨本体操作成功率提升26%

> 原文链接：https://robotics.hellobike.com/news/2026-11-10-98ed3ac1
> 频道：news | 更新日期：2026-11-10 | 标签：auto, rss, zhidx
> 核心摘要：蚂蚁灵波开源触觉基础模型LingBot-Touch，利用4983小时多模态数据学习统一触觉表征。真机测试显示，该模型使Sharpa Wave灵巧手VLA策略成功率从45.6%升至72.5%，且无需重训即可迁移至XHand1等异构硬件。

# 蚂蚁灵波开源触觉预训练模型LingBot-Touch，跨本体操作成功率提升26%

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[蚂蚁灵波又放大招！机器人通用大脑学会共享“手感”](https://zhidx.com/p/608827.html)（智东西）

## 核心内容

蚂蚁灵波正式开源面向灵巧操作的触觉预训练基础模型LingBot-Touch，旨在解决压阻式、视触觉等不同传感器间的数据壁垒。该模型基于4983小时真实触觉数据（含46.4万段交互、13.3亿帧）进行自监督预训练，将异构传感信号编码为统一触觉Token。在涵盖翻书、拧瓶盖等26项真机任务测试中，结合Sharpa Wave与XHand1两款灵巧手及Diffusion Policy、π0.5等四种策略模型，验证了跨本体触觉共享的有效性。

技术架构上，LingBot-Touch通过共享模型提取接触特征，使策略模型无需处理原始信号即可决策。实测中，Sharpa Wave搭载LingBot-VLA的平均成功率由45.60%提升至72.51%；在未包含于预训练数据的XHand1磁触觉手上，冻结参数迁移仍显著提升性能。针对端侧部署，提供532万参数的Tiny版（仅增0.13%负载）与容量更大的Small版，兼顾高频触觉响应与算力约束，补齐了其通用大脑的触觉感知拼图。

## 关键看点

- **跨模态数据规模**：使用4983小时真实数据预训练，覆盖磁/压阻/视触觉三类信号及13.3亿帧交互记录
- **真机性能增益**：Sharpa Wave灵巧手LingBot-VLA平均成功率从45.60%提升至72.51%，涨幅达26.91个百分点
- **零样本迁移能力**：固定模型参数直接适配未参与预训练的XHand1磁触觉手，下游策略成功率仍获提升
- **端侧轻量化部署**：Tiny版本仅532万参数，接入VLA后整体负载增加约0.13%，满足高频实时控制需求

## 工程与产业观察

LingBot-Touch通过统一触觉表征解决了异构灵巧手数据孤岛问题，验证了触觉基础模型在零样本迁移与端侧轻量化部署的工程可行性。其将物理接触经验转化为可复用资产的路径，为降低具身智能跨本体适配成本提供了关键技术范式，加速精细操作能力的规模化落地。
:::

## 原始参考来源 (Sources)

- [智东西：蚂蚁灵波又放大招！机器人通用大脑学会共享“手感”](https://zhidx.com/p/608827.html)