蚂蚁灵波开源 LingBot-Touch：把触觉变成 Token，机器人拧瓶盖成功率从 56% 提到 90%

机器人拧瓶盖，看起来是最简单的动作之一。深度相机能帮手指对准瓶盖，但开始转动之后，事情就变得微妙：瓶盖可能已经松动，也可能是指腹正沿着盖壁打滑。这两种情况在画面里几乎一样，却需要完全不同的动作调整。指尖的接触位置、受力大小和变化，恰恰被手指和瓶盖挡住，摄像头看不见。

一分钟速览

• 蚂蚁灵波 11 月 10 日开源触觉基础模型 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、压阻式三类主流传感原理，把不同原始信号统一成一套“触觉 Token”。
• 在 Sharpa Wave 与 XHand1 两款灵巧手上完成 26 项真机测试，接入后四种动作模型平均成功率提升约 14 至 26 个百分点。
• 拧瓶盖任务中，T-Rex 模型成功率从不用触觉的 56.25%、直接用原始信号的 62.5%，提升到 90%。

视觉解决“在哪”，触觉解决“怎么样”

具身智能这两年的进步，很大一部分来自“看得更清楚”。空间感知、深度估计、抓取点预测，让机器人知道物体在哪、该把手伸到哪里。但真实操作是一个闭环：执行一步、感知变化、修正下一步。视觉能覆盖前半段，接触之后的那部分信息，仍然要靠触觉。

以翻书页为例，指尖要用多大的力、纸张有没有滑动、下一页有没有被带起来，这些都不是视觉能稳定判断的。麻将牌的辨识也是类似逻辑：牌面图案可以看，但牌与牌之间的贴合、厚度差异，摸一下往往更快。

真正的难点不是传感器，是“信号不通”

给机器人装上触觉传感器，不等于它就会用触觉。商用触觉传感器整体还处在早期阶段，视触觉、磁触觉、压阻式各有优劣，面向不同成本和场景，多条路线会长期并存。更麻烦的是数据不通：同样一次接触，在不同传感原理和触点布局下，会产生完全不同的原始信号。模型如果只学会解读其中一种，换一只灵巧手就得重新采集、重新训练。

LingBot-Touch 的思路是把“理解触觉”从具体硬件里抽出来。它按传感原理分别设置编码入口，先处理各自的原始信号，再把不同布局的触点映射到统一的指尖坐标空间，由共享模型学习接触位置、受力及其随时间的变化，最后输出统一的触觉 Token。这样，人戴触觉手套采集的数据和遥操作灵巧手采集的数据可以一起训练，不同动作模型也能直接复用这套表征。

26 项真机测试说明了什么

研究团队在 Sharpa Wave 和 XHand1 上做了 26 项真机任务，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，比没有触觉时提高约 14 至 26 个百分点。值得注意的是，这套表征并不绑定自家模型，四种动作模型都能受益。

跨硬件复用是另一个关键验证。XHand1 使用的磁触觉传感器型号并不在预训练数据里，模型学到的磁触觉经验全部来自人戴手套采集的数据。换到这只灵巧手后，团队保持 LingBot-Touch 参数不变，只用 XHand1 的操作示范训练动作模型，依然跑通了任务。

工程上也留了余地：26 项测试全部使用约 530 万参数的 LingBot-Touch-Tiny 完成，接入 LingBot-VLA、π0.5 和 T-Rex 后，模型参数量只增加约 0.13% 至 0.16%，对端侧算力相当友好。更大容量的 LingBot-Touch-Small 在感知测试中还有提升空间，说明触觉预训练继续加数据仍然有效。

“具身原生”的一次下注

蚂蚁灵波 CEO 朱兴的说法很直接：数字世界的大模型确实让机器人的任务推理更强，但要跑通操作闭环，物理泛化的硬骨头还得靠具身基础模型自己啃。他把两者看成 1+1 大于 2 的协同关系——通用模型负责理解和推理，具身模型负责感知和闭环执行。

“模态输入的质量很大程度上决定了动作输出的质量，没有好的输入就没有好的输出。”这句话点出了触觉模型的位置：它不直接产生动作，而是站在传感器和动作模型之间，决定动作模型能拿到多好的信息。

对产业的实际影响

短期看，最直接的受益者是灵巧手和传感器厂商。过去每换一种硬件组合，就要重新开发一套触觉能力；有了统一的表征层，硬件可以按成本和任务自由选型，整机团队也能保留自己的动作策略。长期看，触觉、视觉、深度甚至温度如果都能在统一模型里对齐，机器人才可能真正进入需要精细操作的场景，比如装配、分拣、医疗辅助和家庭服务。

当然，开源模型不等于开箱即用。真实产线的物体材质、光照、节拍都更复杂，触觉数据的采集成本也不低。LingBot-Touch 更像是一块地基：它证明了触觉可以 Token 化、可以跨硬件复用，接下来要看有多少团队愿意在这块地基上盖房子。技术报告、模型和代码已在 Hugging Face、GitHub 和魔搭社区开放下载。