11月10日，蚂蚁灵波科技开源触觉基础模型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，供不同灵巧手和动作模型使用。
此前，蚂蚁灵波通用大脑已覆盖高精度空间感知、高动态环境交互和可泛化灵巧操作。此次LingBot-Touch已接入LingBot-VLA，将感知能力延伸到“指尖”，让机器人“摸得更灵敏”，具身原生通用大脑能力再提升。
在真实物理世界中，许多精细操作仅靠视觉难以完成。以灵巧手拧瓶盖为例，瓶盖可能已经松动，也可能指腹正沿着盖壁打滑，两种情况在画面中相似，却需要不同的动作调整，指尖的接触位置、受力大小及其变化成为动作模型的重要判断依据。
为验证触觉表征对真实操作的帮助，蚂蚁灵波在Sharpa Wave和XHand1两款灵巧手上进行了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、Diffusion Policy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。以T-Rex控制Sharpa Wave拧瓶盖为例，不使用触觉时成功率为56.25%，直接输入传感器原始信号为62.5%，接入LingBot-Touch的触觉表征后成功率达到90%。
目前商用触觉传感器整体仍处于较早发展阶段，不同传感原理采集的数据难以直接通用，更换传感器或灵巧手后已有数据和触觉经验可能难以复用。LingBot-Touch按传感原理分别设置编码入口，再将不同布局的触点映射到统一的指尖坐标空间，由共享模型学习接触位置、受力及其随时间的变化，输出统一的触觉Token，使触觉能力可跨传感器、跨灵巧手、跨模型和跨任务复用。