近期，通用大模型在任务理解、复杂推理等能力上持续突破，机器人“大脑”走哪条技术路线，再次成为具身智能行业讨论的焦点。

Anthropic最新发布的Claude Fable 5.2，展示了控制机器人拧瓶盖、操作拼图等能力，也在机器人仿真评测中取得明显进展。通用模型向物理世界延伸的潜力，正在得到更多验证。

这也让一个问题变得更具体：当机器人已经能够理解指令、规划步骤，怎样才能把动作稳定地完成？

11月10日，蚂蚁灵波科技开源触觉基础模型LingBot-Touch，从接触感知这一环节给出了自己的答案。模型基于近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，将不同信号转化为统一的触觉表征，供不同灵巧手和动作模型使用。

它要补上的，是机器人接触物体之后的判断：抓稳了吗，是否正在打滑，下一步该加力还是松手？

训练通用的“手感”

手感是典型的默会知识，波兰尼认为人知道的信息远比说出来的多。这类知识无法用文字传承，得在不断练习中习得，机器人要想掌握，同样需要积累经验。

LingBot-Touch的训练方法，展示了机器积累手感的过程。

学习时长上，LingBot-Touch的预训练用了4983小时真实触觉数据，46.4万段交互，约13.3亿帧，动作覆盖抓握、旋转、滑动、擦拭、装配和双手配合。

近5000小时数据囊括了三条触觉路线，包括人戴触觉手套采集的2197小时压阻式数据与1136小时磁触觉数据，以及遥操Sharpa Wave双臂灵巧手机器人的1650小时视触觉数据。

三分之二的接触数据来自真人戴手套采集，不依赖机器人本体，提供了另一条积累数据规模的增长曲线。

三类传感器有着不同的指尖大小、触点数量和排布，需要在模型侧对齐。LingBot-Touch将不同信号全部翻译为同一种语言的触觉Token，并给每个触觉Token标上时间、手指编号和三维位置，训练时再做触点密度与位置的扰动，防止模型记下某一款传感器的排布。

触觉信号是稀疏的，灵巧手伸向目标的途中、调整姿态的过程中，传感器读数接近零，只有接触瞬间才产生有效信号，绝大部分时间没有触觉信号。如果按照看到什么学什么的思路训练，很容易什么都学不会。

LingBot-Touch的做法是遮住一段记录中的部分触点，让模型根据其余触点的变化推断被遮住区域可能发生哪种接触，并放到特征空间比对，不执着于还原原始读数，训练的注意力因此集中在有接触的关键帧上。

要适配端侧的模型，尺寸不能太大，机器人手里的杯子一旦开始打滑，留给触觉计算的时间窗口转瞬即逝。考虑到这种情况LingBot-Touch提供了Tiny和Small两个版本，其中轻量化的Tiny版约530万参数，接入LingBot-VLA、π0.5和T-Rex之后，模型的参数量分别只涨0.13%、0.15%和0.16%。

参数量得到了控制，并不意味着效果打折。

真机测试搭载到高自由度的Sharpa Wave和低自由度的XHand两款灵巧手，动作模型有四款，分别是灵波自己的LingBot-VLA，以及外部的π0.5、Diffusion Policy和T-Rex。每组搭配都跑三组对照，不用触觉、直接喂原始信号、用LingBot-Touch提取触觉Token。

两款灵巧手共完成翻书、叠杯、搬运易变形杯、按软硬分拣、交接盒子等26项任务，四种动作模型的平均成功率，全部是使用LingBot-Touch这一组最高。

技术报告显示，拉合拉链的场景中，π0.5在Sharpa Wave上不用触觉的成功率为39%，直接喂原始信号跌至15%，换成LingBot-Touch的触觉Token后升到59%。

感知层的精度上，LingBot-Touch提升了定位接触中心的准确性，搭载到Sharpa Wave上的平均定位误差是0.12毫米，而作为对照的FTP-1即便配了平台专用适配器，误差高达2.19毫米。

行业迎来制式化的解法

不同硬件、不同任务积累的触觉经验难以转化为可复用的经验，是当前机器人触觉最主要的产业痛点。

面对视触觉、磁触觉、阻压式三条传感路线并行发展，量纲、触点布局、采样频率各异的情况。每个做动作模型的团队，都要依靠原始信号从零学起，每条路线都要自建采集管线、自己完成标定与标注，耗神费力训出的模型仅服务单一厂商的灵巧手，硬件一迭代后，又得推倒重来。

依赖触觉感知的精细作业，因此长期卡在低自动化水平。奥迪2026年初披露，整个汽车行业线束生产与装配的自动化比例还不到10%，一套车身线束包含多达600个连接器，从抓起柔软线束、把插头送进接口，到确认锁扣到位，几乎每一步都需要边接触、边调整。这类作业本该是触觉最能发挥作用的地方，却因为经验无法复用，成本居高不下。

过去，触觉算法要跟硬件型号逐一适配，这是定制化路径。定制化的问题，需要制式化的解法。LingBot-Touch换了条路，按传感原理适配。

编码入口对着原理设置，触点统一映射到标准化指尖坐标，训练再加布局扰动，同一原理下的新型号因此可以直接接入。

“开箱即用”在真机上得到了验证。XHand使用的磁触觉传感器型号并未出现在预训练数据中，灵波固定了LingBot-Touch的参数，仅用这只手的操作示范训练动作策略，四种动作模型的成功率全部明显提升。

LingBot-VLA在XHand上搬运易变形杯，直接读传感器信号时成功率为58%，接入LingBot-Touch提取的接触信息后成功率迅速攀升至90%。换新任务同样不必重训触觉模型，只需用少量示范数据教会动作模型即可。

把接触信号翻译成同一种语言，整个产业链都将获益。

动作模型的团队是直接的受益者，同一套Token接入π0.5、Diffusion Policy、T-Rex，换模型时不必在触觉层重复投入。灵巧手和传感器的厂商做好标定、降噪、读数校正这些器件层面的基础上，能把更多研发资源聚焦到精度与耐用性上。

通用的手感让整机厂拥有了选型自由。指尖用视触觉分辨细小接触，手掌铺压阻阵列感知大面积受力，这类混合方案从概念变得可行。对应用方同样如此，工厂与仓库选型时不必绑定某一款特定的灵巧手，可以按任务挑选最优硬件，手感不再构成换型的代价。

放到国内环境下，通用触觉模型还有特殊的价值。国内灵巧手和传感器的种类全球最多，能采到单一硬件覆盖不了的接触数据。多样性是富矿，却容易让经验碎片化。通用触觉模型让不同技术路线从泾渭分明变得可以互补短板，让每一个硬件积累的数据都能发挥更大作用。

铺开一套通用的手感，需要生态的支持。发布LingBot-Touch之前，蚂蚁具身智能生态已初具雏形，本体侧有乐聚、钛虎；场景侧与国大药房、隆盛等企业在零售分拣、物流分拣、工业场景开展商业化测试；简智科技参与共建数据体系。

代码与权重全部开源，外部团队下载即用，不采一小时数据，不训一天模型，现有的机器人搭载后就有手感。开放的同时，真实作业数据持续回流训练，用的人越多，回流的场景越杂，这是灵波全站大脑很难被复制的原因之一。

真实世界没有暂停键

开源让手感可以外溢，但决定这条路能否持续领先的，是对物理世界本身的判断。

9月，GPT-6 Astra发布后，多个研究团队将之迁移到机器人上测试。

RoboDojo的42项操作任务中，在没有经过任何专门训练的情况下，综合得分压过榜单上全部40个公开动作策略。通用大模型理解任务、规划步骤的能力，似乎已经可以直接搬进机器人。

同一批测试也暴露出通用模型的短板，需要高精度、动态控制和双手配合的任务明显吃力，在手中转动物体时，手指与手指的接触难以协调。一项仿真行走测试中，机器人走30秒要调用模型250次，每次平均近40秒，原因是计算完成前仿真需要暂停等待。

真实世界不会给任何暂停的机会，接触之后这一层，通用大模型短时间无法补位。

首先数据获取的难易度完全不一样，语言与视觉模型的数据能从互联网上获取，培育手感的数据只能到物理世界采集。其次，触觉信号变化极快，留给推理的时间窗口转瞬即逝，处理它的模型需要足够轻，才能嵌入真机回路。其三，拉合拉链案例表明，原始信号直接灌给模型会适得其反，把接触信号翻译成模型可用的信息，需要专门的数据与专业训练。

通用大模型没有补上的这一层，恰好是蚂蚁灵波发力的方向。灵波选择具身原生，目标是用一个大脑驱动不同形态的机器人，不必为每个硬件单独写程序。

现阶段先把机器人需要的关键能力拆开研究和验证，LingBot-Vision与LingBot-Depth 2.0提供视觉与空间感知，LingBot-VLA 2.0负责理解指令、生成动作，LingBot-World 2.0与LingBot-Video让机器人感知世界如何随时间变化，LingBot-VA 2.0统一世界预测与动作生成，接触之后的处理由LingBot-Touch完成。

这些模型合起来覆盖机器人工作的完整链路，完成感知、预测、执行的闭环。

从节奏上看，灵波先将视觉、深度、触觉做扎实，再进行贯通，LingBot-Touch已与VLA融合，下一步把更多模态放进同一模型对齐，逐步合成为统一的大脑。相较依赖互联网数据的通用大模型，蚂蚁灵波能在物理世界中建立起护城河。

往后某个仓库里，一台机器人捏起一只从没见过的软包装袋，指尖触碰物体所产生的判断，早已有熟练的手感。灵巧手的竞赛不会停息，但新硬件、新任务不必再从零学起。