龙腾网络-讲述营销的故事
龙腾网络-讲述营销的故事
1W+流量主名号主资源，一键联系
严选配套商，为机构赋能
营销增长人的专属网址导航
很可惜 T 。T 您现在还不是作者身份，不能自主发稿哦～
如有投稿需求，请把正文发送到邮箱tougao@appcpx.com，一经录用会有专人和您联系
咨询如何成为春羽作者请联系：龙腾网络小羽毛（ngbjxym）
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”走哪条技术力路线，再次成为具身智能板块讨论的焦点。
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？
手感是典型的默会知识，波兰尼认为人知道的消息远比说出来的多。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，同样需要积累心得。
LingBot-Touch的训练路径，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，带来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。