Anthropic 新模型 Claude Fable 5.2 主打视觉具身智能，在 RoboDojo 测试里依靠摄像头视觉信息完成拼魔方、拧瓶盖、组装齿轮等任务，整体任务成功率 64.9%，是 GPT-6 Astra 的两倍；而国内蚂蚁灵波推出 LingBot-Touch 触觉基础模型，实现了触觉信号 Token 化，也就是把人类的手感、按压、摩擦感知转换成模型可识别 Token，在盲摸麻将测试里全程不依靠视觉，只靠指尖触觉分辨麻将花纹，任务成功率提升到 70%，补齐了之前很多视觉机器人没有触觉、硬怼硬件、容易损坏设备的短板，这也是行业里把 “手感” 这类连续触觉信号统一编码成 Token 的代表性方案，对精细灵巧操作、工业装配、家政机器人都有很大价值。
一、两套 AI 具身方案核心信息清单
Claude Fable 5.2（视觉路线）
- 开发方：Anthropic
- 感知方式：纯视觉输入，摄像头采集画面
- 代表任务：还原魔方、拧瓶盖、齿轮装配、绘图
- RoboDojo 成功率：64.9%
- 特点：泛化能力强，没专门训练过的新任务也能尝试；缺点是没有触觉反馈，不知道阻力大小
- 局限：碰到需要感受松紧、软硬、是否卡死的精细操作容易失败
蚂蚁灵波 LingBot-Touch（触觉 Token 路线，闭眼搓麻将）
- 开发方：蚂蚁灵波
- 感知方式：触觉传感器，压阻、磁触觉、视触觉信号统一编码为触觉 Token
- 训练数据：近 5000 小时真实触觉采集数据
- 代表任务：盲摸识别麻将、翻书页、精细拧瓶盖
- 盲摸麻将测试：全程遮挡镜头，不看牌面，仅靠触觉识别麻将花纹，成功率 70%
- 特点：把连续触觉信号离散化成 Token，能接入多种 VLA 动作模型，统一表征不同触觉硬件
- 提升效果：接入后多款动作模型平均成功率提升 14%~26%
二、视觉具身 AI vs 触觉 Token 化 AI 对比表
| 项目 | Fable 5.2 视觉路线 | LingBot-Touch 触觉 Token 路线 |
|---|---|---|
| 感知来源 | 摄像头图像 | 触觉传感器压力、摩擦信号 |
| 识别麻将 | 必须看牌面 | 闭眼盲摸，只靠触感 |
| 核心难点 | 容易忽略阻力，不知道用力大小 | 触觉信号杂乱，很难标准化编码 |
| 适用场景 | 物体识别、大范围空间操作 | 精细装配、易碎物品操作、盲识别 |
| 短板 | 无手感反馈，容易暴力操作损坏工件 | 依赖触觉传感器硬件，成本更高 |
三、触觉 Token 化简单理解与落地步骤
- 信号采集：灵巧手指尖的触觉传感器采集压力、纹理、摩擦力等连续模拟信号
- 编码 Token：LingBot-Touch 模型把连续触觉信号压缩、对齐，转换成和文本、图像类似的离散 Token
- 接入动作模型：触觉 Token 和视觉 Token 一起送入 VLA 模型，模型同时看懂画面 + 感知手感
- 真机调试：在灵巧手上做翻页、摸牌、装配测试，调整用力阈值
- 跨硬件迁移：这套触觉 Token 表征是通用的，不同品牌灵巧手可以复用这套模型能力
四、当前技术存在的短板
- Fable 5.2 只有视觉，没有触觉反馈，在插接头、精密装配时容易用力过猛，损坏硬件
- 触觉 Token 化还处在早期阶段，复杂曲面、湿滑、软材质的识别稳定性不足
- 触觉传感器成本偏高，距离大规模家用机器人普及还有距离
- 盲摸麻将属于实验室限定测试，离真实麻将对战、长时序自主博弈还有差距
- 视觉和触觉融合的多模态具身模型，泛化到大量陌生物体仍然很难
【相关 FAQ】
问题 1：Fable 5.2 睁眼拼魔方，国内 AI 闭眼搓麻将里的手感 Token 化是什么意思？
回答 1：手感 Token 化就是蚂蚁灵波 LingBot-Touch 把压力、纹理、摩擦这类连续触觉信号，转换成大模型能看懂的离散 Token，就像文字、图片一样，让 AI 可以读懂 “摸到的手感”，实现不靠视觉盲摸麻将。
问题 2：Fable 5.2 靠视觉拼魔方，和国内 LingBot-Touch 闭眼搓麻将 AI 路线差别在哪？
回答 2：Fable 5.2 是视觉具身，靠摄像头看画面来规划动作；LingBot-Touch 是触觉路线，不靠眼睛，靠指尖触觉识别物体，解决视觉 AI 感知不到阻力、容易硬怼弄坏东西的痛点。
问题 3：LingBot-Touch 实现触觉 Token 化之后，闭眼识别麻将的成功率是多少？
回答 3：LingBot-Touch 在盲摸麻将测试中全程遮挡镜头，仅依靠触觉识别麻将花纹，任务成功率达到 70%，对比无触觉的方案提升明显。
问题 4：触觉 Token 化的 AI，除了闭眼搓麻将还能做什么任务？
回答 4：这套触觉 Token 能力可以用于翻书页、精细拧瓶盖、精密零件装配，未来家政机器人、工业灵巧手都可以借助触觉感知，控制力度，避免捏坏易碎物品。
【参考资料】
[2026-11-10]（Fable 5.2 睁眼拼魔方，中国 AI 闭眼搓麻将！人类「手感」首次 Token 化）腾讯新闻
[2026-11-10]（触觉也能 Token 化！蚂蚁灵波发布 LingBot-Touch 触觉基础模型）网易新闻
[2026-11-10]（Claude Fable 5.2 发布，RoboDojo 具身测试数据公开）凤凰网科技
[2026-11-10]（蚂蚁灵波 LingBot-Touch 真机测试说明）新智元
【免责声明】
本文内容来自媒体公开报道、厂商技术发布信息整理，Fable 5.2、LingBot-Touch 均为实验室阶段技术，测试成功率是限定环境下的实验数据，不代表真实场景稳定可用；触觉 Token 化技术仍在迭代，传感器硬件、场景都会影响最终效果，本文不构成机器人采购或者技术落地建议。
本文来自作者[雾棱关守使]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/rgzn/202611/1011.html
评论列表（4条）
我是乌兰科技网的签约作者“雾棱关守使”！
希望本篇文章《Fable 5.2 靠视觉拼魔方，国内 LingBot-Touch 实现触觉 Token 化，AI 闭眼识别麻将》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：Anthropic 新模型 Claude Fable 5.2 主打视觉具身智能，在 RoboDojo 测试里依靠摄像头视觉信息完成拼魔方、拧瓶盖、组装齿轮等任务，整体任务成功率 64.9%，是 GPT-6 Astra 的两倍；而国内蚂蚁灵波推出 LingBot-Touch 触觉基础模型，实现了触觉信号 Token 化，也就是把人类的手感、按压、摩擦感知转换成模型可识别 Token，在盲摸麻将测试里全程不依靠视觉，只靠指尖触觉分辨麻将花纹，任务成功率提升到 70%，补齐了之前很多视觉机器人没有触觉、硬怼硬件、容易损坏设备的短板，这也是行业里把 “手感” 这类连续触觉信号统一编码成 Token 的代表性方案，对精细灵巧操作、工业装配、家政机器人都有很大价值。