Physical Intelligence π0.5 加入触觉编码器后成功率从 48% 提升至 70%
这个组合很实在：蚂蚁旗下的 LingBot-Touch 触觉编码器只有 5.46M 参数，接进 π0.5 就把 26 项任务成功率从 48% 拉到 70%，还开源了。做机器人操作的同学可以直接上手试，比堆算力划算得多。
Physical Intelligence 的机器人策略模型 π0.5 在 26 项真实世界任务上的成功率原本为 48%，接入一个小型触觉编码器后提升到 70%。这个编码器是蚂蚁集团旗下具身智能公司 Robbyant 开源的 LingBot-Touch。LingBot-Touch 的 Tiny 版本只有 5.46M 参数，不到其所插入策略模型规模的 0.2%。触觉信号让机器人在操作任务中获得视觉之外的反馈信息，从而更准确地完成抓取与操作。对机器人开发者而言，一个参数量极小、可开源获取的编码模块带来 22 个百分点的成功率提升，说明低成本的多模态接入比扩大策略模型规模更具性价比。
在行业层面，这笔改动同时涉及美国机器人 lab Physical Intelligence 与中国蚂蚁集团的具身智能团队，展示了跨团队组件组合在实际机器人系统中的落地方式。触觉数据的加入路径对其他操作类策略模型同样可复制，LingBot-Touch 的开源降低了集成门槛。
/1 Physical Intelligence's π0.5 goes from 48% to 70% success on 26 real-world robot tasks once you add a small touch encoder.
That encoder is LingBot-Touch from @robbyant_brain, an embodied AI company under Ant Group, and it's open source. The Tiny version has 5.46M parameters, under 0.2% of the policy it plugs into.
This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. 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 Physical Intelligence, π0.5, LingBot-Touch, 具身智能.
Source attribution: curated from kimmonismus (@kimmonismus).
