// AI 新闻 · 2026-11-10 · 量子位
蚂蚁灵波开源触觉基础模型LingBot-Touch
蚂蚁灵波团队在Sharpa Wave和XHand等灵巧手平台上开展实验，发现直接接入原始触觉传感器数据会降低机器人操作成功率。为解决这一问题，团队提出在触觉数据与动作模型之间加入‘翻译’层，即开源的触觉预训练基础模型LingBot-Touch。该模型统一处理磁触觉、视触觉和压阻式触觉三种传感器信号，将其转化为可被动作模型理解的接触信息，如接触位置、受力大小及力的方向变化。
原文发布 2026-11-10 15:26（北京时间）来源 量子位自动整理 · 已核对原文
01摘要
在拉拉链、交接盒子、拧瓶盖等任务中，接入LingBot-Touch后成功率显著提升，其中π0.5在拉拉链任务中的成功率从15%升至59%，XHand在分离叠杯任务中成功率从32.5%提升至72.5%。模型训练基于4983小时、约13.3亿帧数据，包含人戴手套操作和遥操作机器人数据，并通过遮蔽训练、触点密度扰动等方法增强对接触规律的泛化能力。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- LingBot-Touch将三类触觉传感器信号统一编码为可被动作模型理解的‘触觉Token’，实现跨传感器数据融合。
- 在拉拉链、拧瓶盖等任务中，接入该模型后成功率显著提升，部分任务达到或超过无触觉时水平。
- 模型训练采用遮蔽预测（JEPA）策略，有效避免了对零值背景的过度拟合，接触中心判断误差低于1毫米。
- LingBot-Touch支持不同硬件和传感器布局，无需针对特定设备调整参数，在XHand等未见传感器配置下仍能提升任务成功率。
03原文出处
量子位 · 发布于 2026-11-10 15:26（北京时间）
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-10 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日