11月10日，蚂蚁灵波科技宣布开源触觉基础模型LingBot-Touch，为机器人大脑补齐关键的触觉感知能力。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，让积累的手感能够跨传感器、跨灵巧手、跨模型和跨任务复用。

在真实物理世界中，机器人执行精细操作时仅靠视觉往往难以判断接触后的受力是否合适、物体是否滑移。以拧瓶盖为例，瓶盖松动与指腹打滑在画面中表现相似，却需要不同的动作调整，而指尖的接触位置、受力大小及其变化常被手指和物体遮挡。为此，团队在SharpaWave和XHand两款灵巧手上开展了26项真机测试，涵盖翻书页、拧瓶盖、辨识麻将牌等精细操作。接入LingBot-Touch后，LingBot-VLA、π0.5、DiffusionPolicy和T-Rex四种动作模型的平均任务成功率较无触觉时提高约14至26个百分点。其中在T-Rex控制SharpaWave拧瓶盖的任务中，不使用触觉时成功率为56.25%，直接输入传感器原始信号时为62.5%，接入LingBot-Touch触觉表征后成功率达到90%。

为实现跨硬件复用，LingBot-Touch按传感原理分别设置编码入口，先将不同布局的触点映射到统一的指尖坐标空间，再输出供不同动作模型使用的触觉Token。在XHand上，团队保持模型参数不变，仅用XHand的操作示范训练动作模型，验证了触觉能力的跨硬件复用。该模型提供两种容量版本，此次26项真机测试全部使用约530万参数的轻量版LingBot-Touch-Tiny完成，接入后模型参数量仅增加约0.13%至0.16%。蚂蚁灵波表示，LingBot-Touch的发布是对具身原生路线的持续投入，模态输入的质量很大程度上决定了动作输出的质量。