Skip to content

新闻智东西12 天前

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% ​

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”(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。

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

外部来源

本页事实对应的公开页面,以原文为准。(点击将离开本站)

  1. 智东西:蚂蚁灵波又放大招!机器人通用大脑学会共享“手感” ↗访问 2026-11-10