# 蚂蚁灵波开源LingBot-Touch触觉基础模型，灵巧操作成功率提升超20%

> 原文链接：https://robotics.hellobike.com/news/2026-11-10-token
> 频道：news | 更新日期：2026-11-10 | 标签：auto, rss, qbitai
> 核心摘要：蚂蚁灵波开源532万参数触觉预训练模型LingBot-Touch，通过JEPA架构统一编码多模态触觉信号。实测接入π0.5等策略模型后，拉拉链任务成功率从39%升至59%，且零样本泛化至未见传感器硬件，解决原始触觉数据噪声导致性能下降难题。

# 蚂蚁灵波开源LingBot-Touch触觉基础模型，灵巧操作成功率提升超20%

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Token卷到触觉了！机器人终于有了通用手感](https://www.qbitai.com/2026/11/508919.html)（量子位）

## 核心内容

蚂蚁灵波正式开源触觉预训练基础模型LingBot-Touch及其轻量版LingBot-Touch-Tiny（约532万参数），旨在解决机器人接入原始触觉传感器后操作成功率反降的行业痛点。实验显示，Sharpa Wave灵巧手配合π0.5模型执行拉拉链任务时，直接输入原始触觉读数会导致成功率从纯视觉的39%跌至15%；而经LingBot-Touch编码处理后，成功率飙升至59%，交接盒子任务也从48%回升至63%。该模型已在26项真机任务中验证，使T-Rex、π0.5等四种主流动作模型的平均成功率提升21至25个百分点，且参数量仅增加约0.15%。

技术上，LingBot-Touch采用JEPA路线在特征空间预测被遮挡触点表征，避免拟合稀疏背景噪声，接触中心判断误差低至0.90毫米，显著优于VAE/MAE的3毫米以上误差。模型通过旋转位置编码（RoPE）统一三类传感器坐标，利用4983小时（含人手手套与遥操作数据）预训练实现跨硬件泛化：在未见过磁触觉传感器的XHand上零样本部署，π0.5平均成功率仍从48%升至74.17%。目前该模型已与LingBot-VLA融合，并联合乐聚、钛虎等本体厂商在零售与工业分拣场景开展商业化测试。

## 关键看点

- **JEPA特征预测**：随机遮蔽90%触点进行特征空间预测，接触中心误差0.90mm，视频检索Top5召回率32.07%，远超传统生成式方法
- **跨硬件零样本泛化**：仅用人手手套数据预训练，未微调即适配XHand新型磁触觉传感器，分离叠杯任务成功率从32.5%翻倍至72.5%
- **统一触觉Token化**：将视/磁/压阻三类异构传感器映射至标准化指尖空间，通过RoPE编码解耦触点布局，支持动态采样密度防过拟合
- **Scaling Law初显**：Tiny版在4000小时数据饱和，Small版在5000小时仍持续上涨，真机任务成功率随预训练数据量稳定提升

## 工程与产业观察

LingBot-Touch验证了触觉基础模型作为“感知翻译层”的工程价值，证明通过JEPA与统一Token化可解决多模态触觉异构与稀疏性问题。其零样本跨硬件泛化能力表明，具身触觉表征学习正从专用适配器迈向通用基座阶段，为灵巧手精细化操作提供了可复用的物理常识底座，补齐了视觉主导范式在接触后阶段的感知短板。
:::

## 原始参考来源 (Sources)

- [量子位：Token卷到触觉了！机器人终于有了通用手感](https://www.qbitai.com/2026/11/508919.html)