让机器人读懂接触与受力：蚂蚁灵波发布触觉模型

开锁、挤牙膏、扣上密封袋，都涉及细小的接触和受力变化。机器人要完成这些动作，手指传感器采集到的信息，需要及时进入控制动作的模型。

蚂蚁集团旗下具身智能公司蚂蚁灵波近日推出触觉模型LingBot-Touch：把不同类型触觉传感器的信号，转换成动作模型能够复用的一套特征。官方已公布项目介绍、推理工具和模型权重入口，相关论文于北京时间11月10日提交至预印本平台。[1][2][3]

先让不同传感器说同一种“语言”

触觉硬件的工作方式各不相同：有的通过电阻变化感知压力，有的利用磁信号，还有的用摄像头观察柔性表面的形变。接触同一个物体，它们输出的数据形式也不同。

LingBot-Touch在传感器与动作模型之间增加一层转换。研究团队把不同信号压缩成统一的触觉特征，再接入负责决定机器人如何运动的模型。这样，动作模型可以利用已经提取的接触信息，减少对每一种硬件原始信号的重复学习。

团队披露，预训练语料共4983小时，包含人类触觉手套采集和机器人遥操作数据。其中压阻、磁、视触觉数据分别约2197、1136和1650小时。[1][2]

26项任务，采用相同示范数据对照

论文在两种机械手上设置26项真机任务，每项、每种配置连续测试20次，对比原动作模型、接入原始触觉数据和接入预训练触觉特征三种方案；同项任务使用相同示范数据。此组评测使用约4000小时数据预训练的轻量版本。

按论文的任务评分口径，四类动作模型的平均指标提升约14至25个百分点。以其中一种模型为例，加入触觉特征后，平均成功率指标从48.3%提高到73.1%。部分任务允许按已完成步骤累计得分，这些数字采用研究团队规定的任务评分方式。[2]

这组结果显示了触觉信息在精细操作中的价值，也给出了统一特征可接入不同动作模型的证据。测试选取的是触觉较重要的任务，结果适用于论文所测硬件、任务和训练条件。

本次开放内容包括提取触觉特征的工具和示例，部分权重通过模型托管平台提供，访问仍需满足相应账号权限。[3]

参考资料

[1] ROBBYANT. LingBot-Touch项目介绍[EB/OL]. [2026-11-11].

[2] HAN B, PENG Y, DONG H, et al. Learning Heterogeneous Tactile Representation for General Dexterous Manipulation[EB/OL]. arXiv:2611.12806, 2026-11-09[2026-11-11].

[3] ROBBYANT. LingBot-Touch官方代码仓库说明[EB/OL]. [2026-11-11].