蚂蚁灵波开源触觉基础模型，让机器人学会跨设备复用“手感”

在机器人通用大脑的构建中，视觉往往占据主导，但仅靠“看清”位置并不足以完成精细操作。为了补齐这一短板，蚂蚁灵波科技近日开源了触觉基础模型 LingBot-Touch。该模型通过统一触觉表征，将不同传感器的信号转化为通用语言，使机器人能够跨传感器、跨灵巧手和跨任务复用积累的触觉经验。

一发生了什么

LingBot-Touch 是一个通用触觉模型，旨在为机器人的动作模型提供统一的触觉输入。它基于近 5000 小时的真实触觉数据预训练，覆盖了磁触觉、视触觉和压阻式三类主流传感原理。该模型的核心功能是将不同传感器的原始信号处理并映射到统一的指尖坐标空间，输出统一的触觉 Token，供后续的动作模型使用。

二关键细节

在验证触觉能力对真实操作的帮助时，团队在 Sharpa Wave 和 XHand 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。测试结果显示，接入 LingBot-Touch 后，四种不同动作模型（LingBot-VLA、π0.5、Diffusion Policy 和 T-Rex）的平均任务成功率较无触觉时提高了约 14 至 26 个百分点。

其中，在 T-Rex 控制 Sharpa Wave 拧瓶盖的任务中，成功率达到 90%，相比不使用触觉时的 56.25% 和直接输入原始信号时的 62.5%，提升最为显著。

为了解决不同传感器和硬件难以复用触觉经验的问题，LingBot-Touch 按传感原理设置编码入口，先处理不同的原始信号，再将不同布局的触点映射到统一的指尖坐标空间。这种架构使得人戴触觉手套采集的数据可以共同用于训练，不同动作模型也可以利用训练好的模型提取接触特征。

在 XHand 的测试中，该灵巧手采用的磁触觉传感器型号并不在预训练数据中，但模型依然能利用从人戴手套数据中学到的磁触觉经验，实现了跨硬件的触觉能力复用。

三为什么重要

这一开源举措解决了机器人触觉感知领域的两大痛点：一是不同传感原理和硬件之间的数据壁垒，二是触觉能力的迁移成本。通过提供一种不绑定特定硬件或策略的通用感知能力，LingBot-Touch 允许整机团队在更换传感器或动作模型时，无需重新采集和训练触觉数据，从而大幅降低了开发成本。

此外，团队提供的轻量版模型（约 530 万参数）在接入后仅增加约 0.13% 至 0.16% 的参数量，兼顾了感知能力与端侧算力，为触觉技术在边缘设备上的落地提供了可能。