蚂蚁开源触觉基础模型 LingBot-Touch，近5000小时数据训练
蚂蚁开源的这个触觉基础模型有点东西：近5000小时真机触觉数据，磁触觉、视触觉、压阻式三类传感器都能共用一套表征。做机器人灵巧手操作的团队以前换硬件就得重采数据重训模型，现在直接复用，任务成功率还能提升14-26个百分点。
蚂蚁集团开源了触觉基础模型 LingBot-Touch，基于近5000小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类传感原理，让机器人在视觉之外获得接触和受力反馈。
技术上，模型为不同传感器设置专用编码入口，把不同布局的触点映射到统一的指尖坐标空间，通过共享模型学习接触位置、受力及其随时间的变化，输出统一的触觉Token。这样触觉表征可以从特定硬件中抽象出来，跨传感器、跨灵巧手、跨模型、跨任务复用。
实验显示，平均任务成功率比无触觉基线提高14-26个百分点。过去每换一套灵巧手或增加一种传感器，都需要重新采集触觉数据、重新训练模型，现在可以直接复用学到的触觉表征，这对做精细操作任务的具身智能团队是实打实的成本节约。
蚂蚁刚开源了一个触觉基础模型：LingBot-Touch，让机器人不仅能看得见，还能感知“手感”
这种触觉经验能跨传感器、跨灵巧手、跨模型、跨任务复用
这个方向值得关注，因为机器人在真实世界中做精细操作，光靠视觉是远远不够的，需要指尖的接触和受力反馈
还有一个迁移问题
LingBot-Touch的做法是，把触觉感知从特定硬件中抽象出来，训练成可复用的基础模型能力
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传感原理
并给不同传感器设置专用编码入口，再把不同布局的触点映射到统一的指尖坐标空间，通过共享模型学习接触位置、受力及其随时间的变化，最终输出统一的触觉Token
这样，不同传感器采集的数据可以共同参与预训练，不同灵巧手和动作模型也能复用学到的触觉表征
相当于给机器人建立了一套跨硬件的通用触觉表征
实验效果，平均任务成功率比无触觉基线提高了14-26个百分点
过去，不同机器人往往需要分别采集触觉数据、适配传感器、训练模型
现在不用每换一套灵巧手、增加一种传感器，就从头积累触觉数据、重新学习接触感知能力了
#LingBotTouch #具身智能 #机器人
This report is categorized under AITOP's "Models" desk, focusing on China's AI industry and domestic foundation model ecosystem. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include LingBot-Touch, 蚂蚁集团, 触觉感知, 具身智能.
Source attribution: curated from AIGCLINK (@aigclink).
