北京商报讯(记者刘四红)11月10日，北京商报记者了解到，蚂蚁灵波科技开源触觉基础模型LingBot-Touch，该模型基于近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，可将不同信号转化为同一套触觉表征，供不同灵巧手和动作模型使用，让机器人在“看得清楚、想得明白”的同时，进一步补齐精细操作所需的触觉感知。
此前，蚂蚁灵波通用大脑已覆盖高精度空间感知、高动态环境交互和可泛化灵巧操作，让机器人看得更清楚、想得更明白、干得更利索。此次LingBot-Touch已接入LingBot-VLA，将感知能力延伸到“指尖”，让机器人“摸得更灵敏”，具身原生通用大脑能力再提升。
随着通用大模型持续进步，机器人理解复杂任务、推理操作步骤的能力正在增强。但在真实物理世界中，机器人每执行一步动作，都要感知物体和环境发生的变化，再修正下一步动作。许多精细操作中，机器人能看清物体在哪里，也能把手伸到正确的位置，却未必能顺利完成任务，因为手指碰到物体之后，受力是否合适、物体是否滑移，仅靠视觉难以判断，需要触觉提供补充。
以灵巧手拧瓶盖为例，深度信息可以帮助手指对准瓶盖。开始转动后，瓶盖可能已经松动，也可能指腹正沿着盖壁打滑。这两种情况在画面中相似，却需要不同的动作调整。此时，指尖的接触位置、受力大小及其变化，都成为动作模型的重要判断依据，而这些信息往往被手指和物体遮挡，视觉难以获得。
为了验证触觉表征对真实操作的帮助，蚂蚁灵波在Sharpa Wave和XHand1两款灵巧手上进行了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较无触觉时提高约14至26个百分点。
以T-Rex控制Sharpa Wave拧瓶盖为例，不使用触觉时任务成功率为56.25%，直接输入传感器（885946）原始信号为62.5%，接入LingBot-Touch的触觉表征后成功率达到90%。
目前，LingBot-Touch的技术报告、模型和代码已开源，开发者可在Hugging Face、GitHub和魔搭社区访问和下载。
