蚂蚁开源触觉基础模型 LingBot-Touch

蚂蚁集团具身智能公司 Robbyant（灵波科技）发布并开源触觉基础模型 LingBot-Touch，代码与权重已上线 GitHub 和 Hugging Face，采用 Apache 2.0 协议，提供 lingbot-touch-tiny 与 lingbot-touch-small 两个规格。模型基于 JEPA 架构，触觉编码器参数量 546 万，用 4983 小时真实触觉数据预训练；真机部署中配合 π0.5 任务分从 48 提升至 70。这是触觉操作方向少见的真机验证开源基线，配套技术报告《Learning Heterogeneous Tactile Representation for General Dexterous Manipulation》一并公开，发布背景是人形机器人灵巧手竞争加剧，「手感」被视为机器人手做实际工作前必须补上的能力。

已确认

• 据官方发布者 @robbyant 介绍，模型能在压阻、磁性、视触觉等异构触觉传感器之间学习统一且可扩展的表示，生成的触觉 token 即插即用，可无缝接入 diffusion policy 等操作模型，支持跨传感器、跨灵巧手、跨任务与跨动作模型的迁移
• 预训练数据为 4983 小时真实触觉录音，总计 46.4 万条 episodes、13.3 亿帧，数据来自人手戴手套采集（人类第一视角）与机器人遥操作/指尖传感器，不含力、接触位置等帧级标签，覆盖视触觉、磁触觉、压阻式三种传感器路线；@heyshrutimishra 提到仅需约 2.5 小时标注即可让机械手读出指尖力度
• 架构上采用 JEPA 式掩码潜空间预测与多分支编码，将磁感、压阻、视触三类信号各自 tokenize 后送入共享的 Haptic Transformer，学习接触结构与时间变化的表征，解决触觉传感器「语言不通」的问题；@rohanpaulai 与 @pmttyji 均确认三个编码器各为 5.46M 参数；据 @新智元 介绍，这是首次将三种触觉信号统一为动作模型可直接使用的「通用触觉 Token」，实现「换手也能用」的手感，Tiny 版轻量即插即用
• 据 @omarsar0 介绍，模型将不同压阻/磁性/视触觉传感器数据的跨传感器迁移误差降低约 97%；据 @kimmonismus 系列帖补充，接触误差从 5.89mm 降至 0.16mm，且在预训练未见过其具体型号的 XHand1 上，冻结编码器在全部五个探测任务上优于传感器专用编码器
• 据 @CyberRobooo 转述的对照实验：在 Sharpa Wave 上对 LingBot-VLA 做三次对照，平均成功率从无触觉 45.60% → 原始触觉信号 56.29% → 接入 LingBot-Touch 后 72.5%；@kimmonismus 补充，在 Diffusion Policy、π0.5、LingBot-VLA、T-Rex 四种策略上，学习型触觉 token 均带来 14–25 个百分点提升，且直接喂原始触觉信号的增益最多只有学习 token 的一半；@aigclink 概括整体提升为 14-26 个百分点；据 @赛博禅心 转述，拉拉链等具体任务成功率从 15% 升至 59%
• 据 @AlternativeSet4042 与 @kimmonismus 转述，Physical Intelligence 的 π0.5 在 26 个真实机器人任务上接入该触觉编码器后，成功率（任务分）从 48 提升至 70；据 @aftahiai 转发的评论补充，模型适用于叠衣、分拣衣物等软织物操作场景

为什么重要

• 触觉数据无法像文本、图像那样从网上爬取，必须实际记录，这构成 LingBot-Touch 的数据护城河；模型验证了自监督学习路径在触觉模态上依然成立，直接补上「握住杯子是什么感觉」这一数据空白，让机器手能像人闭眼拧瓶盖时指尖预感打滑那样「理解」触摸，也让不同机器人的「手感」可以共享复用
• @AlternativeSet4042 指出，此前两篇预印本把 GPT-6 Astra 触觉图像用于操作任务，但仅限仿真验证，其中一个每次调用中位耗时约 14 秒；LingBot-Touch 的小参数量与真机验证形成对比，为触觉操作提供了可实际落地的开源基线

2026-11-10 ~ 2026-11-11 · 30 条相关

• 【源头】550万参数触觉编码器上真机，pi0.5 任务分从48升至70 — Alternative_Set4042 · 2026-11-10
• 蚂蚁 Robbyant 开源 JEPA 触觉基础模型 LingBot Touch — AdinaYakup · 2026-11-10
• 智平方开源触觉基础模型 LingBot-Touch：近 5000 小时真实数据预训练 — Shruti_0810 · 2026-11-10
• 蚂蚁灵波开源触觉基座模型LingBot-Touch，灵巧手精细操作全线暴涨 — 新智元 · 2026-11-10
• 蚂蚁灵波发布触觉基础模型 LingBot-Touch，5000 小时数据训练 — 机器之心 · 2026-11-10
• Robbyant 发布 LingBot-Touch,让机器手拥有类人触觉感知 — CyberRobooo · 2026-11-10
• LingBot-Touch 用 4983 小时真实触觉数据统一三类触觉传感器 — CyberRobooo · 2026-11-10
• LingBot-Touch 架构解析:共享 Haptic Transformer 统一三类触觉信号 — CyberRobooo · 2026-11-10
• LingBot-Touch 实测:触觉让 VLA 成功率从 45.6% 升至 72.5% — CyberRobooo · 2026-11-10
• 蚂蚁灵波开源 LingBot-Touch 触觉模型：拉拉链成功率从 15% 升至 59% — 赛博禅心 · 2026-11-10
• 【源头】LingBot-Touch 触觉基础模型统一异构传感器表示，可插拔增强操作策略 — robbyant · 2026-11-10
• LingBot 发布触觉基础模型 LingBot-Touch,统一异构触觉表征 — _akhaliq · 2026-11-10
• LingBot-Touch 技术报告、GitHub 与 Hugging Face 链接齐全 — aigclink · 2026-11-10
• Robbyant 开源触觉基础模型 LingBot-Touch：统一三类触觉信号驱动灵巧手 — pmttyji · 2026-11-10
• 蚂蚁 Robbyant 触觉模型：2.5 小时标注让机械手读出指尖力度 — heyshrutimishra · 2026-11-10
• 蚂蚁 Robbyant 让 LingBot-Touch 无监督学会「读懂」触觉力度 — heyshrutimishra · 2026-11-10
• Robbyant 开源 LingBot-Touch：让机器人指尖拥有触觉感知 — rohanpaul_ai · 2026-11-10
• Robbyant 开源 LingBot-Touch：4983 小时触觉数据训练的机器人指尖基础模型 — rohanpaul_ai · 2026-11-10
• 蚂蚁系开源触觉编码器:π0.5 真机成功率 48% 升至 70% — kimmonismus · 2026-11-11
• 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

另有 8 条近重复转述:dair_ai · Div_pradeep · HeyAmit_ · aftahi_ai · alifcoder · aigclink · omarsar0 · kimmonismus