发生了什么
11 月 10 日，蚂蚁灵波科技开源面向灵巧操作的触觉基础模型 LingBot-Touch。技术报告、模型与代码已在 GitHub、Hugging Face 与魔搭社区放出。它要解决的问题不是「给机器人装上触觉传感器」，而是「让模型读得懂触觉」——不同传感原理、不同触点布局的原始信号差异很大，模型若只学会解读其中一种，换手、换传感器就得重新采集与训练。
- 预训练语料：4983 小时、46.4 万个交互回合、约 13.3 亿帧触觉记录，来自触觉手套与机器人手。
- 三类传感构成：压阻式 2197 小时、磁触觉 1136 小时、视触觉 1650 小时。
- 架构：以潜表征预测（JEPA 式）为核心，模态专属分词器、统一几何接口（指尖坐标空间）与共享 Haptic Transformer 三段串联。
- 参数量：HaT-Tiny 编码器仅 546 万参数，支持高频端侧推理。
- 任务集：26 项真机任务加 12 项仿真任务。
26 项真机测试说明了什么
在 Sharpa Wave 与 XHand1 两款灵巧手上，26 项任务各跑 20 次，覆盖翻书页、拧瓶盖、辨识麻将牌、拔 SD 卡、封袋、喷雾扳机等。接入 LingBot-Touch 表征后，LingBot-VLA、π0.5、Diffusion Policy 与 T-Rex 四种动作模型的平均任务成功率，比没有触觉时提高 14 至 26 个百分点。
单项对比更能说明差距：T-Rex 控制 Sharpa Wave 拧瓶盖，不用触觉时成功率 56.25%，直接喂原始传感器信号是 62.5%，接入 LingBot-Touch 表征后达到 90%。这组数字回答了一个行业里常被混淆的问题——「有传感器」和「用得好传感器」是两件事：原始信号并不是可以直接使用的表征，中间缺的正是这一层。
跨硬件复用才是重点
验证跨硬件迁移的做法是：XHand1 使用的磁触觉传感器型号并不在预训练数据里，模型学到的磁触觉经验全部来自人戴手套采集的数据。换到这只手上时，LingBot-Touch 的参数保持不变，只用 XHand 的操作示范训练动作模型。接入的四种动作模型互不相同，也不绑定蚂蚁灵波自研的 LingBot-VLA。
- 参数量代价小：接入 LingBot-VLA、π0.5 与 T-Rex 后，总参数量只增加约 0.13% 至 0.16%。
- 可扩展性：容量更大的 LingBot-Touch-Small 在预训练数据增至近 5000 小时时仍能从新增数据获益，说明触觉预训练尚未饱和。
- 开放边界：传感器与灵巧手厂商可按成本与任务选硬件，整机团队可保留自己的动作策略，减少换硬件就重做触觉能力的重复投入。
该保留的疑问
全部 26 项真机结果来自同一家实验室的自测，任务集中在桌面级精细操作，既没有第三方复现，也没有跨场景、跨构型的长期稳定性数据。商用触觉传感器本身仍处在早期，三类路线各有局限、可能长期并存。行业侧的判断是，真实物理交互数据存量远低于通用具身模型的训练需求，因此触觉采集设备与灵巧手会先于整机放量——但这属于市场推断，不是这份技术报告给出的结论。