蚂蚁灵波开源触觉预训练模型 LingBot-Touch，提升机器人操作成功率

蚂蚁灵波团队实验发现，直接给动作模型接入原始触觉数据，反而会因触觉数据稀疏带噪、不同类型传感器数据格式差异大，导致机器人操作成功率下降。为此团队开源触觉预训练基础模型 LingBot-Touch，作为传感器与动作模型间的「翻译」，通过统一触点坐标、采用 JEPA 路线在特征空间预测、扩充多样化触觉数据三步训练，可将不同类型触觉传感器的信号统一编码为动作模型能理解的触觉 Token。实测显示接入该模型后，多款动作模型在不同灵巧手上的操作成功率大幅提升，甚至可适配未在预训练数据中出现过的传感器硬件。该模型补齐了机器人接触物体后的感知能力短板，是具身原生技术路线的重要进展，可复用不同硬件积累的接触经验提升物理操作泛化性，目前已开展相关商业化测试，且以开源形式开放，能适配各类现有动作模型与传感器，助力解决物理世界精细操作的行业难题。