蚂蚁灵波开源 LingBot-Touch 触觉基础模型，把异构触觉信号编码成统一触觉 Token，标志具身智能的感知 Token 路线延伸到触觉模态，机器人开始拥有可跨传感器、跨灵巧手复用的通用手感。过去机器人触觉最大痛点是传感器信号不互通：磁触觉、视触觉、压阻式传感器输出格式、触点排布、分辨率完全不一样，一套模型在 A 灵巧手上训练好，换到另一款手、另一款传感器就失效，触觉经验没法迁移，只能为每套硬件单独训练策略。LingBot-Touch 的思路就是做一层 “触觉翻译器”，按传感类型分独立编码入口，再把触点映射到统一指尖坐标空间，用共享主干学习接触位置、受力大小、接触滑移的时序变化，输出标准化触觉 Token，向上对接各类动作模型、VLA 视觉语言动作模型。模型基于近 5000 小时真实触觉数据预训练，包含机器人手和触觉手套采集的交互轨迹，轻量版 LingBot-Touch-Tiny 仅 532 万参数，已经开源权重、代码和技术报告。真机测试在 Sharpa Wave、XHand 两款灵巧手上完成 26 项精细操作，包含拧瓶盖、翻书页、拿捏易碎物品、挤牙膏、密封袋捏合、钥匙对位等，接入这套触觉 Token 之后，动作模型任务成功率相比无触觉输入提升 14–26 个百分点。整套落地流程为先接入原始触觉传感器，异构信号分通道编码，坐标归一化，提取触觉 Token，送入动作策略闭环，同时持续采集新交互轨迹继续迭代表征。它不是直接替代视觉，而是补齐视觉看不到的接触信息，解决视觉很难判断 “捏紧了、打滑、软硬、是否到位” 这类精细交互问题，但它依然依赖传感器本身质量，传感器噪声过大、采样异常时，触觉 Token 也会携带错误信息。
一、传统触觉方案 vs LingBot-Touch 触觉 Token 方案对比表
| 对比项 | 传统定制触觉方案 | LingBot-Touch 触觉 Token 方案 |
|---|---|---|
| 信号输入 | 绑定单一传感器、单一灵巧手 | 兼容磁触觉、视触觉、压阻式三类主流触觉传感器 |
| 表征输出 | 原始压力阵列、图像、力向量，格式异构 | 统一触觉 Token，固定表征空间 |
| 经验迁移 | 换硬件就要重新采集、重新训练 | 跨传感器、跨灵巧手零样本或少微调迁移 |
| 对接方式 | 只能适配专属动作模型 | 可接入 Diffusion Policy、π0.5、LingBot-VLA 等多种动作模型 |
| 数据来源 | 单硬件采集 | 机器人手 + 触觉手套遥操作数据混合训练 |
| 适用场景 | 固定硬件、固定产线 | 通用灵巧操作、多硬件集群、遥操作、手眼触觉协同 |
二、LingBot-Touch 核心流程清单
- 多源入口：不同原理触觉传感器分开编码，适配原始信号差异
- 坐标归一化：把不同触点布局映射到统一指尖空间，消除硬件排布差异
- 时序特征提取：学习受力、滑移、接触形变随时间变化的模式
- 输出触觉 Token：标准化特征，作为动作模型的输入
- 下游闭环：Token 送入动作策略，实时调整抓取力度、姿态
- 持续迭代：新交互轨迹继续补充预训练，优化触觉表征
三、典型测试任务清单
- 拧瓶盖，感知打滑并加大或调整握力
- 翻书页，控制轻柔力度避免撕破纸张
- 拿捏易碎物体，感知形变并降力
- 挤牙膏，动态控制挤压力度
- 钥匙插入对位，依靠触觉判断是否到位
- 密封袋封口捏合，沿封口均匀施加压力
四、当前技术边界与局限清单
- 依赖前端传感器信噪比，传感器漂移、噪声会污染触觉 Token
- 只输出接触相关表征，不替代视觉、深度感知
- 对极端材质、透明、超软新材料依然存在泛化短板
- 时序窗口有限，长周期、慢变化的触觉感知仍需要进一步优化
- 精细物理属性（摩擦系数、刚度）的量化理解还在持续迭代
【相关 FAQ】
问题 1：Token 卷到触觉是什么意思，LingBot-Touch 的触觉 Token 有什么用？
回答 1：Token 卷到触觉，就是把连续、异构的触觉原始信号编码成统一的触觉 Token；LingBot-Touch 的触觉 Token 相当于一套通用触觉语言，不同传感器、不同灵巧手都可以输出同一种表征，触觉经验可以跨硬件复用。
问题 2：LingBot-Touch 的通用手感，是不是机器人可以像人一样任意摸东西？
回答 2：LingBot-Touch 提供的是可迁移的触觉表征能力，让机器人在拧瓶盖、捏软物等精细操作里获得稳定触觉反馈，还达不到人类触觉的泛化水平，陌生极端材质依然容易出错。
问题 3：LingBot-Touch 的触觉 Token，能不能和视觉、语言模型一起融合？
回答 3：LingBot-Touch 输出的触觉 Token 可以和视觉特征、语言特征对齐，接入 LingBot-VLA 这类视觉语言动作模型，实现手眼触觉多模态协同操作。
问题 4：LingBot-Touch 已经开源，开发者要怎么接入这套触觉 Token？
回答 4：开发者可以直接使用开源权重与推理代码，对接磁触觉、视触觉、压阻式传感器，输出标准化触觉 Token，再接入各类动作策略模型，轻量版 Tiny 适合部署在端侧机器人。
【参考资料】
[2026-11-10]（Token 卷到触觉了！机器人终于有了通用手感）量子位
[2026-11-10]（蚂蚁灵波开源机器人触觉模型 LingBot-Touch）动点科技
[2026-11-10]（通用大脑有了 “手感”! 蚂蚁灵波发布通用触觉模型）扬子晚报
[2026-11-10]（LingBot-Touch 技术报告、开源项目说明）蚂蚁灵波
【免责声明】
本文仅为 LingBot-Touch 触觉 Token 模型的技术资讯解读，触觉 Token 的泛化效果受前端触觉传感器、任务场景、数据集分布影响；模型能力、接口、开源协议以蚂蚁灵波官方发布的技术报告与仓库文档为准；本文不构成机器人项目选型、硬件采购的落地承诺，资料版权归属对应媒体与蚂蚁灵波团队。
本文来自作者[磁核锚定者]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/bdt/202611/1172.html
评论列表（4条）
我是乌兰科技网的签约作者“磁核锚定者”！
希望本篇文章《触觉进入 Token 时代，LingBot-Touch 给机器人打造通用触觉表征》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：蚂蚁灵波开源 LingBot-Touch 触觉基础模型，把异构触觉信号编码成统一触觉 Token，标志具身智能的感知 Token 路线延伸到触觉模态，机器人开始拥有可跨传感器、跨灵巧手复用的通用手感。过去机器人触觉最大痛点是传感器信号不互通：磁触觉、视触觉、压阻式传感器输出格式、触点排布、分辨率完全不一样，一套模型在 A 灵巧手上训练好，换到另一款手、另一款传感器就失效，触觉经验没法迁移，只能为每套硬件单独训练策略。LingBot-Touch 的思路就是做一层 “触觉翻译器”，按传感类型分独立编码入口，再把触点映射到统一指尖坐标空间，用共享主干学习接触位置、受力大小、接触滑移的时序变化，输出标准化触觉 Token，向上对接各类动作模型、VLA 视觉语言动作模型。模型基于近 5000 小时真实触觉数据预训练，包含机器人手和触觉手套采集的交互轨迹，轻量版 LingBot-Touch-Tiny 仅 532 万参数，已经开源权重、代码和技术报告。真机测试在 Sharpa Wave、XHand 两款灵巧手上完成 26 项精细操作，包含拧瓶盖、翻书页、拿捏易碎物品、挤牙膏、密封袋捏合、钥匙对位等，接入这套触觉 Token 之后，动作模型任务成功率相比无触觉输入提升 14–26 个百分点。整套落地流程为先接入原始触觉传感器，异构信号分通道编码，坐标归一化，提取触觉 Token，送入动作策略闭环，同时持续采集新交互轨迹继续迭代表征。它不是直接替代视觉，而是补齐视觉看不到的接触信息，解决视觉很难判断 “捏紧了、打滑、软硬、是否到位” 这类精细交互问题，但它依然依赖传感器本身质量，传感器噪声过大、采样异常时，触觉 Token 也会携带错误信息。