蚂蚁灵波开源触觉基础模型LingBot-Touch

2026年11月10日，蚂蚁灵波科技开源触觉基础模型LingBot-Touch，为机器人大脑补齐关键的触觉感知能力。 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，可将不同信号转化为同一套触觉表征，供不同灵巧手和动作模型使用。 此前，蚂蚁灵波通用大脑已覆盖高精度空间感知、高动态环境交互和可泛化灵巧操作。 此次LingBot-Touch已接入LingBot-VLA，将感知能力延伸到“指尖”，让机器人“摸得更灵敏”，具身原生通用大脑能力再提升。

蚂蚁灵波在Sharpa Wave和XHand1两款灵巧手上进行了26项真机测试，涵盖翻书页、拧瓶盖、辨识麻将牌等精细操作。 接入LingBot-Touch后，LingBot-VLA、π0.5、Diffusion Policy和T-Rex四种动作模型的平均任务成功率较无触觉时提高约14至26个百分点。 以T-Rex控制Sharpa Wave拧瓶盖为例，不使用触觉时任务成功率为56.25%，直接输入传感器原始信号为62.5%，接入LingBot-Touch的触觉表征后成功率达到90%。

触觉走向规模化落地的关键是让触觉理解摆脱对特定传感器物理信号的依赖，使不同来源的数据能够共同用于训练，让积累的触觉能力可以跨传感器、跨灵巧手、跨模型和跨任务复用。 LingBot-Touch按传感原理分别设置编码入口，先处理不同的原始信号，再将不同布局的触点映射到统一的指尖坐标空间，由共享模型学习接触位置、受力及其随时间的变化，输出统一的触觉Token。 在XHand1上，团队进一步验证了触觉能力的跨硬件复用。

蚂蚁灵波提供了两种容量的模型，此次26项真机测试全部使用约530万参数的轻量版LingBot-Touch-Tiny完成。 容量较大的版本LingBot-Touch-Small则在感知测试中表现出进一步提升的潜力。 蚂蚁灵波CEO朱兴表示，通用大模型与具身基础模型更接近1+1＞2的协同关系，两者各自突破、相互促进，共同加速具身智能产业的成熟。 目前，LingBot-Touch的技术报告、模型和代码已开源，开发者可在Hugging Face、GitHub和魔搭社区访问和下载。