中经记者 许璐 李晖 北京报道
机器人能看清瓶盖、对准位置，转动时却可能难以判断瓶盖已经松动，还是手指正在打滑。精细操作中的接触位置、受力变化等信息，需要触觉感知补充。
长期以来，不同传感器的原始信号存在差异，更换硬件后，已有触觉数据和经验可能难以复用。目前这一情况有望发生改变。
11月10日，蚂蚁灵波科技开源触觉基础模型LingBot-Touch。《中国经营报》记者获悉，LingBot-Touch通过分别编码、统一触点坐标等方式，输出统一的触觉Token，使人戴触觉手套和遥操作灵巧手采集的数据能够共同用于训练，不同动作模型也可以利用训练好的模型提取接触特征。
据蚂蚁灵波披露，该模型基于近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主流传感原理，可将不同信号转化为同一套触觉表征，供不同灵巧手和动作模型使用，目前已接入LingBot-VLA。
记者了解到，蚂蚁灵波团队在两款灵巧手上开展了26项真机测试，涵盖翻书页、拧瓶盖、辨识麻将牌等任务。接入LingBot-Touch后，四种动作模型的平均任务成功率较无触觉时提高约14个至26个百分点。
据介绍，LingBot-Touch在本次真机测试中并不绑定蚂蚁灵波自研模型，提供的是位于触觉传感器和动作模型之间的通用感知能力，而非某一硬件或某一策略的专用模块。“对产业而言，传感器和灵巧手厂商可以根据成本与任务需求选择硬件，整机团队也可以保留自己的动作策略，从而减少每更换一种硬件与算法组合，就重新开发触觉能力的重复投入。”蚂蚁灵波方面指出。
针对近期具身大模型技术路线的演变，蚂蚁灵波CEO朱兴表示：“数字世界大语言模型的进展，确实让机器人的复杂任务推理和物理操作能力更强，这一点我们很关注，也在积极吸收。但产业一线的实践告诉我们，要真正跑通操作闭环，物理操作泛化性这块硬骨头还是绕不开，很大程度上仍要靠具身基础模型自身的突破。”
在朱兴看来，通用大模型与具身基础模型更接近 1+1＞2 的协同关系：前者增强对任务和环境的理解、推理，后者提升物理感知和闭环操作能力，两者各自突破、相互促进，共同加速具身智能产业的成熟。“模态输入的质量很大程度上决定了动作输出的质量，换句话说没有好的输入就没有好的输出。”他表示。
据了解，目前，LingBot-Touch的技术报告、模型和代码已开源，开发者可在Hugging Face、GitHub和魔搭社区访问和下载。
（编辑：郑瑜 审核：李晖 校对：翟军）
