蚂蚁灵波开源LingBot-Touch 补机器人触觉短板

近日，某科技团队发布的下一代大模型寓言5.2，在物理操作领域展现出惊人能力，其全方位性能远超同类产品作品5.5，甚至能完成徒手拼魔方、拧瓶盖、画机器人等复杂任务，在相关测试中的成功率达到64.9%，是另一款主流模型GPT-6星舰的两倍还多。

不过，此前另一款热门大模型在实际操作中却暴露出明显短板：在挑战插充电器和试管的任务时，由于仅依靠视觉感知，没有触觉反馈，当插头顶歪卡死时，模型完全无法察觉阻力，导致机械臂硬怼撞坏真机硬件，33次测试中成功率为0%。

这一问题的核心在于，物理操作需要的不仅是视觉，更需要灵敏的“手感”——视觉能看到杯子打滑，但等摄像头捕捉到画面时，杯子可能已经摔碎；拧瓶盖时，镜头无法区分是拧动了还是手指空转，接触点还常被手指遮挡。汽车行业插线束这类精细操作，至今全行业自动化率还不到10%，正是因为缺少指尖的触觉反馈。

就在行业关注这一痛点时，蚂蚁灵波团队正式发布并开源了灵波通用触觉基座模型，为机器人补上了关键的触觉短板。该模型首次将视触觉、磁触觉、压阻式三种不同的触觉信号，统一转换为动作模型可直接使用的通用触觉Token，让机器人能获得可迁移的“手感”，更换灵巧手也能快速适配。

为了适配真机的实时需求，团队推出了仅532万参数的轻量微型版，接入主流动作模型后，参数量仅增加0.13%到0.16%，几乎不会增加硬件负担，却能让灵巧手瞬间获得操作的“分寸感”。

实际测试显示，该模型的效果十分显著：抓喷雾瓶喷水时，成功率从42.50%飙升至87.50%；盲摸麻将的成功率直接翻倍至70%；拆开叠放的软纸杯这类需要精细触觉的任务，也能顺利完成。团队用两款灵巧手搭配四款主流动作模型，实测26项真机任务和12项仿真操作，接入该模型的组合全线夺冠，霸王龙模型、派0.5模型和灵波VLA模型平均成功率分别大涨了23.18、21.81和24.81个百分点；单页翻书成功率达91.25%，按压弹出SD卡达92%，搬运软纸杯更是实现了100%满分；12项仿真操作中，转盘子、转笔成功率超97%，纯视觉0分的端托盘平衡滚球也拿下67.7%。

为解决触觉模型训练的核心难题，团队收集了近5000小时（4983小时）、13.3亿帧的真实触觉数据，其中三分之二来自人类佩戴触觉手套采集的日常操作数据，比如拧瓶盖、擦桌子、插插头等。这些数据让模型能掌握人类的操作手感，实现了零样本迁移——即使是从未见过的新款磁触觉灵巧手，模型也能直接适配，派0.5模型的平均成功率从48%飙升至74.17%，搬运软纸杯的成功率更是从58%提升到90%。

在技术层面，该模型通过三步实现触觉信号的统一：首先为三类传感器设置极简入口，转成统一格式后交给同一触觉主干网络学习；然后将所有触点统一映射到三维指尖球面坐标，防止模型死记硬背单一硬件排布；最后借鉴联合嵌入预测架构，通过补全接触的方式训练模型，大幅提升了触觉感知的准确率。

实测中，该模型的指尖盲摸定位误差低至0.12毫米，三维力感知误差降低约65%，在五项物理接触测试中，平均成功率以82.2%对67.5%大幅领先其他模型。更重要的是，团队发现触觉数据也存在缩放现象，数据量越大、模型容量越大，触觉感知能力越强。

从产业角度看，该模型的开源打破了硬件和软件的壁垒：对触觉传感器厂商来说，无需再单独开发触觉模型，可专注于硬件性能、耐用性和成本；对灵巧手和整机厂商来说，终于能自由组合不同原理的传感器，比如指尖用视触觉、手掌用压阻阵列，打造高性价比的机器人配置，降低开发和维护成本。目前，该模型已联合多家厂商，将触觉技术应用到零售、物流、工厂产线等场景。

大模型在数字世界的爆发，依赖于文字和图像的统一表征与复用，而如今，最依赖硬件的触觉也能被预训练和复用，为物理智能的发展打开了新的空间。机器人走进千行百业的拐点，或许就从这样的技术突破开始。