LingBot-Touch 触觉 token 使机器人策略成功率提升 14–25 个百分点
LingBot-Touch 系列研究显示，机器人触觉是最稀缺且无法通过网络爬取的训练输入，团队为此积累了 5000 小时触觉数据。相比直接喂入原始传感器信号（增益最多只有学习到的触觉 token 的一半），学习到的触觉 token 使 Diffusion Policy、π0.5、LingBot-VLA、T-Rex 等四种策略的成功率提升 14–25 个百分点。此外，单一编码器可跨磁性、视触觉和压阻三类传感器泛化，在预训练未见的 XHand1 上，冻结模型仍将接触误差从 5.89mm 降至 0.16mm。
2026-11-11 ~ 2026-11-11 · 3 条相关
- 第 1 集:蚂蚁开源触觉基础模型 LingBot-Touch，真机验证显著提升灵巧操作(2026-11-10,27 条)
- 第 2 集:LingBot-Touch 触觉 token 使机器人策略成功率提升 14–25 个百分点(2026-11-11,3 条)
- 触觉 token 对比原始信号:四种策略成功率提升 14–25 个百分点 — kimmonismus · 2026-11-11
- 5000 小时触觉数据:机器人最稀缺且无法爬取的训练输入 — kimmonismus · 2026-11-11
- 触觉编码器跨传感器泛化:接触误差从 5.89mm 降至 0.16mm — kimmonismus · 2026-11-11