蚂蚁开源触觉基础模型 LingBot-Touch，近5000小时数据训练

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

本条情报归属 AITOP「模型」核心栏目，重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：LingBot-Touch、蚂蚁集团、触觉感知、具身智能，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明：本文原始线索采编自「AIGCLINK」（@aigclink），经 AITOP 多维评分管线结构化提炼。