11 月 10 日，蚂蚁灵波科技开源触觉基础模型 LingBot-Touch，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，把不同信号转化为同一套触觉表征。
接上灵巧手的最后一环
模型已接入 LingBot-VLA，把感知能力延伸到指尖。在此之前蚂蚁灵波的通用大脑覆盖高精度空间感知、高动态环境交互和可泛化灵巧操作。触觉的必要性在于精细操作中的受力判断，手指碰到物体之后是否打滑、施力是否合适，仅靠视觉难以判断，而这些信息常被手指和物体遮挡。团队把同一套触觉表征接到不同型号的灵巧手和不同架构的动作模型上，不做传感器层面的特化适配。
三类传感原理统一
近 5000 小时真实触觉数据是这次开源的核心资产，覆盖磁触觉、视触觉和压阻式三类主流传感原理。三种原理的原始信号形态完全不同，磁触觉靠磁芯位移感知接触力，视触觉依赖摄像头观察指尖形变，压阻式靠材料电阻变化反映压力。模型把这三类信号映射到同一套触觉表征里，让上层动作模型不必关心底层用的是什么传感器，也方便研究者在不同硬件之间横向比较。蚂蚁灵波方面表示，选择在通用大模型加速演进的时点推触觉基础模型，反映的是具身原生路线的持续投入。
26 项真机测试
研发团队在 Sharpa Wave 和 XHand1 两款灵巧手上完成 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比无触觉时提高约 14 至 26 个百分点。以 T-Rex 控制 Sharpa Wave 拧瓶盖为例，不使用触觉时成功率为 56.25%，直接输入传感器原始信号为 62.5%，接入触觉表征后达到 90%。这套思路与 LingBot-Touch 触觉模型的完整拆解 属同一方向。
延伸阅读
- 宇树前高管出走创业：39 岁被嫌老，具身融资零下 40 度1 周前
- DeepSeek领投Winverse AI：4亿美元估值入局具身智能机器人4 周前
- RoboScience 机器科学 A2 轮数亿元：单条数据成本 0.05 元1 周前
- 京东物流狼族机器人升级：智狼每小时取货 240 次5 天前
继续读
同一批更新里这几篇值得一看：
- 智元发布 WITA-Omni：400 毫秒响应的具身全模态模型2026-11-10
- Figure AI 招机器人夜班管理员：时薪 45 美元2026-11-10
- 物理智能 Hitch Open 开源：142 拍刷新机器人乒乓纪录2026-11-08