蚂蚁灵波在 11 月 10 日开源触觉基础模型 LingBot-Touch，这是面向具身智能机器人的触觉大模型，核心作用是打通不同类型触觉传感器的数据壁垒，把异构触觉信号转为统一表征，让机器人拥有可跨硬件复用的 “手感”，补齐机器人指尖感知短板，实现更精细灵巧的抓取、旋拧、识别等操作。过去机器人大多依靠视觉做判断，缺少触觉反馈，抓握时很难感知物体打滑、软硬、受力情况，不同厂商的触觉传感器信号格式不一样，一套模型很难适配多款灵巧手，开发成本很高。LingBot-Touch 用近 5000 小时真实触觉数据完成预训练，支持磁触觉、视触觉、压阻式三类主流传感器，输出的触觉 Token 可以直接接入 LingBot-VLA 等各类动作策略模型，不用重新训练适配传感器，真机测试里多项精细操作成功率明显上涨，开发者可以直接在 GitHub、Hugging Face、魔搭社区拿到模型权重、代码和技术报告，快速集成到自己的机器人方案里面。
一、LingBot-Touch 基础参数清单
- 预训练数据：近 5000 小时真实触觉采集数据，46.4 万条交互片段
- 支持传感器类型：压阻式、磁触觉、视触觉
- 模型版本：LingBot-Touch-Tiny（约 530 万参数）、LingBot-Touch-Small
- 接入增量：Tiny 版本接入 VLA 模型，仅增加 0.13%~0.16% 参数量
- 开源物料：推理代码、模型权重、技术报告、样例触觉数据集
- 开源地址：GitHub、Hugging Face、魔搭社区
二、真机测试效果数据
| 测试项目 | 无触觉方案 | 接入 LingBot-Touch |
|---|---|---|
| Sharpa Wave 灵巧手拧瓶盖 | 56.25% | 90% |
| 26 项真机操作任务平均涨幅 | 基准线 | 提升 14~26 个百分点 |
| LingBot-VLA 在 Sharpa Wave 综合成功率 | 45.60% | 72.51% |
三、LingBot-Touch 核心能力
- 异构触觉信号统一编码，不同传感器输出转换成同一套触觉表征
- 即插即用，兼容扩散策略、VLA 等多种下游动作模型
- 轻量化，小版本算力开销低，适合端侧机器人部署
- 学习接触位置、受力、打滑等触觉信息，辅助控制握持力度
- 和 LingBot-VLA 视觉语言动作模型搭配，形成视觉 + 触觉双感知闭环
四、适用任务与硬件范围
- 测试灵巧手：Sharpa Wave、XHand 两款灵巧手
- 典型任务：拧瓶盖、翻书页、识别麻将、精细抓取、易碎物品操作
- 适合人群：机器人科研团队、具身智能开发者、灵巧手方案厂商
五、当前模型局限说明
- 仅提供触觉编码基础模型，不是完整机器人控制全栈方案
- 预训练数据以常见物体交互为主，极端异形物体、特殊材质泛化还有提升空间
- 需要搭配对应的触觉传感器硬件才能采集信号、跑通完整流程
【相关 FAQ】
问题 1：触觉大模型 LingBot-Touch 开源之后，主要解决机器人什么问题？
回答 1：触觉大模型 LingBot-Touch 开源，主要解决不同触觉传感器信号不互通、机器人缺少统一触觉感知能力的痛点，让机器人拥有可复用的触觉反馈，完成更灵巧精细的操作。
问题 2：LingBot-Touch 支持哪几种触觉传感器，预训练数据规模是多少？
回答 2：LingBot-Touch 支持压阻式、磁触觉、视触觉三类主流触觉传感器，基于近 5000 小时真实触觉交互数据完成预训练。
问题 3：LingBot-Touch 开源物料在哪里下载，有哪些版本？
回答 3：LingBot-Touch 在 GitHub、Hugging Face、魔搭社区开源，包含 Tiny、Small 两个版本，开放推理代码、模型权重和技术报告。
问题 4：接入 LingBot-Touch 之后，机器人灵巧操作提升效果怎么样？
回答 4：接入 LingBot-Touch 之后，在 26 项真机测试任务上，任务成功率相比无触觉方案提升 14 至 26 个百分点，拧瓶盖任务成功率最高达到 90%。
【参考资料】
[2026-11-11]（LingBot-Touch 开源触觉基础模型：4983 小时预训练数据使拧瓶盖成功率达 90%）电子发烧友网
[2026-11-10]（蚂蚁灵波开源 LingBot‑Touch 触觉基础模型）澎湃新闻
[2026-11-10]（从 “一脑多机” 到 “一脑多手”，蚂蚁灵波开源 LingBot-Touch 触觉基础模型）新华网客户端
[2026-11-10]（通用大脑能力再提升，蚂蚁灵波发布 LingBot-Touch 触觉基础模型）IT 之家
[2026-11-10]（蚂蚁灵波又放大招！机器人通用大脑学会共享 “手感”）智东西
【免责声明】
本文为具身智能行业资讯整理，LingBot-Touch 为蚂蚁灵波开源科研模型，真机测试效果在指定灵巧手与场景下得出；模型实际落地效果受传感器硬件、下游策略模型、物体环境影响，资讯不构成机器人项目采购、商用落地投资建议。
本文来自作者[幽簇信标]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/jqr/202611/1871.html
评论列表（4条）
我是乌兰科技网的签约作者“幽簇信标”！
希望本篇文章《触觉大模型 LingBot-Touch 正式开源，助力机器人实现更灵巧操作》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：蚂蚁灵波在 11 月 10 日开源触觉基础模型 LingBot-Touch，这是面向具身智能机器人的触觉大模型，核心作用是打通不同类型触觉传感器的数据壁垒，把异构触觉信号转为统一表征，让机器人拥有可跨硬件复用的 “手感”，补齐机器人指尖感知短板，实现更精细灵巧的抓取、旋拧、识别等操作。过去机器人大多依靠视觉做判断，缺少触觉反馈，抓握时很难感知物体打滑、软硬、受力情况，不同厂商的触觉传感器信号格式不一样，一套模型很难适配多款灵巧手，开发成本很高。LingBot-Touch 用近 5000 小时真实触觉数据完成预训练，支持磁触觉、视触觉、压阻式三类主流传感器，输出的触觉 Token 可以直接接入 LingBot-VLA 等各类动作策略模型，不用重新训练适配传感器，真机测试里多项精细操作成功率明显上涨，开发者可以直接在 GitHub、Hugging Face、魔搭社区拿到模型权重、代码和技术报告，快速集成到自己的机器人方案里面。