Skip to content

新闻IT之家·人工智能(via AIHOT)11 天前

蚂蚁灵波开源LingBot-Touch触觉基模,真机操作成功率提升14至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 LingBot-Touch 触觉基础模型开源,为通用大脑接入“手感”(IT之家·人工智能(via AIHOT))

核心内容 ​

蚂蚁灵波科技正式开源触觉基础模型 LingBot-Touch,旨在解决具身智能精细操作中视觉遮挡与力觉缺失难题。该模型基于近 5000 小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类主流传感原理。在 Sharpa Wave 和 XHand 两款灵巧手上进行的 26 项真机测试表明,接入该模型输出的统一触觉表征后,LingBot-VLA、π0.5、Diffusion Policy 及 T-Rex 四种动作模型的平均任务成功率较无触觉基准提高约 14 至 26 个百分点,验证了高质量触觉输入对操作稳定性的关键作用。

技术上,LingBot-Touch 通过分设编码入口处理异构原始信号,并将不同触点布局映射至统一指尖坐标空间,生成通用触觉 Token 供下游策略调用。这种架构实现了跨硬件复用,例如仅用人戴手套数据预训练的磁触觉经验可直接迁移至未见过型号的 XHand 灵巧手。为适配端侧部署,团队提供约 530 万参数的 Tiny 版本,接入主流动作模型后参数量仅增加 0.13% 至 0.16%;而在拧瓶盖等特定任务中,T-Rex 模型成功率从 56.25% 跃升至 90%,显著优于直接输入原始传感器信号的效果。

关键看点 ​

  • 性能增益量化:26项真机测试证实,接入统一触觉表征使四种主流动作模型平均成功率提升14至26个百分点,T-Rex拧瓶盖任务成功率从56.25%升至90%。
  • 跨硬件泛化机制:采用统一指尖坐标空间映射与独立编码入口架构,实现磁/视/压阻三类传感器数据互通,支持将人手遥操数据迁移至未见过的灵巧手型号。
  • 端侧轻量化部署:提供约530万参数Tiny版本,接入LingBot-VLA等动作模型后参数量仅增加0.13%至0.16%,兼顾感知精度与实时推理算力约束。
  • 数据规模与扩展性:基于近5000小时真实触觉数据预训练,Small版本实验显示模型性能随数据量增加持续提升,验证了触觉领域Scaling Law的有效性。

工程与产业观察 ​

LingBot-Touch 通过构建传感器无关的统一触觉表征层,有效解耦了触觉感知与具体硬件及策略模型,降低了具身智能在多源触觉数据利用上的边际成本。其轻量级设计验证了触觉基础模型在端侧部署的可行性,为行业解决精细操作中“视觉盲区”问题提供了标准化的感知中间件范式,推动触觉从专用模块向通用基础设施演进。

线索来源:AIHOT

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. IT之家·人工智能(via AIHOT):蚂蚁灵波 LingBot-Touch 触觉基础模型开源,为通用大脑接入“手感” ↗访问 2026-11-10