FIELD NOTE / {$vo.autoindex}

蚂蚁灵波又放大招!机器人通用大脑学会共享“手感”

智东西 作者 周加琦 编辑 漠影 具身智能正在加速突破灵巧操作的能力边界,但不同灵巧手之间,仍然存在一道难以跨越的触觉数据鸿沟。 如何打破不同传感器之间的数据壁垒,成为实现通用灵巧操作的重要一步。 智东西11月10日报道, 蚂蚁灵波正式开源面向灵巧操作的触觉预训练基础模型LingBot-Touch 。该模型能统一处理压阻式、视触觉等不同类型的传感信号,将其编码为统一、可复用的触觉表征,供不同灵巧手

蚂蚁灵波又放大招!机器人通用大脑学会共享“手感”
NX REPORT
2026
当前位置 尊龙凯时赛事比分-全球数据平台 行业资讯 蚂蚁灵波又放大招!机器人通用大脑学会共享“手感”

智东西 作者 周加琦 编辑 漠影 具身智能正在加速突破灵巧操作的能力边界,但不同灵巧手之间,仍然存在一道难以跨越的触觉数据鸿沟。 如何打破不同传感器之间的数据壁垒,成为实现通用灵巧操作的重要一步。 智东西11月10日报道, 蚂蚁灵波正式开源面向灵巧操作的触觉预训练基础模型LingBot-Touch 。该模型能统一处理压阻式、视触觉等不同类型的传感信号,将其编码为统一、可复用的触觉表征,供不同灵巧手和策略模型使用。 在真机测试中,LingBot-Touch与两款不同灵巧手和四种策略模型结合,完成26项真实操作任务。结果显示,四种策略模型在两款灵巧手上的平均任务成功率均得到提升。 其中,在Sharpa Wave灵巧手上,LingBot-VLA的平均成功率从45.60%提升至72.51%。 此次发布也进一步完善了蚂蚁灵波的具身原生机器人通用大脑。继空间感知、动态环境交互和灵巧操作之后,补齐其通用触觉感知能力。 项目主页:https://technology.robbyant.com/lingbot-touch 技术报告:https://github.com/Robbyant/lingbot-touch/tree/main/paper GitHub:https://github.com/Robbyant/lingbot-touch Hugging Face:https://huggingface.co/collections/robbyant/lingbot-touch 魔搭社区:https://www.modelscope.cn/collections/Robbyant/LingBot-Touch 一、打破触觉数据壁垒,让不同灵巧手共享“手感” 机器人灵巧操作能力的持续提升,对触觉感知也提出了更高的要求。在拧瓶盖、翻书、零件装配等精细化任务中,机器人不仅要判断物体的位置,还要感知手指接触后的受力变化、移动情况等,才能及时调整手部动作。 要让机器人真正理解这些接触信息,离不开大量真实触觉数据的训练。 但触觉数据仍面临采集成本高、规模有限的问题。 今年5月,海外具身创企Genesis AI发布机器人基础模型GENE-26.5,并推出配套触觉数据采集手套和灵巧手,尝试通过动作映射,将人类操作经验直接用于机器人训练。 7月,美国具身企业Generalist AI披露了GEN-1的跨本体研究进展,让不同末端执行器共享对接触、摩擦、受力等物理规律的理解。 两家企业都在探索 如何更高效地积累和利用物理交互经验 。而蚂蚁灵波选择从触觉感知入手,尝试解决一个更为棘手的问题: 打破不同传感器之间的数据壁垒,让触觉数据能够跨本体共享和复用。 目前,灵巧手使用的主流触觉传感器包括磁触觉、视触觉和压阻式等。这几类传感器在感知精度、响应速度、覆盖面积和成本等方面各有优势。虽然不同传感器记录接触的方式各不相同,但其背后的物理接触信息具有共性。 蚂蚁灵波此次推出的LingBot-Touch,正是利用这一共性,学习统一的触觉表征,让不同灵巧手共享对物理接触的理解。 具体来说,LingBot-Touch先分别处理三类传感器采集的原始信号,再通过共享模型学习其中共同的接触特征,例如手指碰到了哪里、受力如何变化等。最终,这些特征会被编码为统一的触觉Token,供不同灵巧手和策略模型使用。 这样,策略模型无需直接处理不同传感器复杂的原始信号,就能够利用提取出的接触信息做决策。 为了让模型掌握这些共同的接触规律,蚂蚁灵波还使用了 4983小时真实触觉数据 进行预训练,涵盖约 46.4万段交互记录、13.3亿帧数据 ,覆盖抓握、旋转、装配等多种操作。 这些数据主要来自人类佩戴触觉手套采集的磁触觉数据和压阻式数据,以及通过遥操作采集的视触觉数据。 在训练过程中,蚂蚁灵波采用自监督学习方法,随机遮挡部分触觉信息,让模型根据其他触点的信号变化,预测被遮挡区域的特征,无需逐一标注接触位置、受力变化等信息。 通过这套模型架构和训练方法,不同硬件积累的真实触觉数据,也能转化为可以共同利用的训练资源。 二、26项真机任务验证,LingBot-Touch让四种模型集体涨分 模型的实际价值,最终还是要通过机器人的真实操作来验证。为此,蚂蚁灵波在 Sharpa Wave和XHand1 两款灵巧手上开展了26项真机任务测试,覆盖翻书、拧瓶盖、拉拉链、分拣物体、双手协同等精细操作任务。 同时,蚂蚁灵波还在测试中接入四种不同模型,包含Diffusion Policy、π0.5、LingBot-VLA和T-Rex,验证LingBot-Touch在不同硬件和模型中表现。 为了更直观地比较效果,测试中设置了三组对照实验:第一组不使用触觉信息,仅依靠视觉等;第二组直接向策略模型输入原始触觉数据;第三组则接入Li

about image
MORE TO EXPLORE

继续阅读

德容踢中卫释放佩德里!巴萨中场的进攻空间终于被打开了

德容踢中卫释放佩德里!巴萨中场的进攻空间终于被打开了

巴萨对上阿拉维斯这场任务算是圆满完成,拿下一场说服力很强的大胜,稳稳拿到三分,也顺势做了轮换。当然,美中不足还是丢了一个球。现在后防线有四名后卫伤停,弗里克只能在后卫线上试各种搭配,所以丢这一球,我并不意外。 不过我刷社交平台,看到不少人瞧不上这场胜利,觉得就是赢了个西甲弱队,属于该赢的,还说巴萨一碰到强队就拉胯。我不认同这个说法。我就纳闷了,什么时候联赛里拿分变得不值一提了? 咱们看数据:202

炸裂大瓜,AI一哥黄仁勋人设塌房

炸裂大瓜,AI一哥黄仁勋人设塌房

大家好哇,今天何包上线。 科技圈最近最大反转瓜,当属英伟达黄仁勋。 在这之前,他几乎是富豪圈里的模范丈夫样板。 17岁遇上妻子洛丽,一见钟情。 靠给人家辅导功课追到老婆,结婚整整四十多年。 他还经常对外撒糖,说自打认识老婆之后,自己再也不买衣服。 身上那件标志性皮夹克,从头到尾都是妻子帮他挑。 手握万亿芯片帝国,常年零绯闻的大佬。 谁看了不说一句好男人。 结果昨天黄仁勋发全员工邮件, 老实认了婚外

打出来了,49顺位啊,哈登看着要凉,骑士真捡到宝了!

打出来了,49顺位啊,哈登看着要凉,骑士真捡到宝了!

在职业篮球的最高殿堂中,"大场面球员"这一标签并不罕见,然而真正以"小场面球员"著称的运动员却实属凤毛麟角。克利夫兰骑士队在去年选秀大会上以第49顺位摘下的泰瑞斯·普罗克特——这位来自杜克大学蓝魔队的澳大利亚籍后卫,恰恰就是这样一位极具争议性的"小场面先生"。 回溯2024年NCAA锦标赛八强赛,普罗克特在那场关键对决中交出了一份令人大跌眼镜的成绩单:全场9投0中,得分挂零。他的低迷表现直接拖累了

广州豹官方发布投票:选出您心仪的广州豹2027赛季主场

广州豹官方发布投票:选出您心仪的广州豹2027赛季主场

北京时间11月17日,在今年冲超成功的广州豹在自己的多平台社媒账号上发布了关于2027赛季主场的投票。 广州豹官方提供了三个选项:越秀山体育场(本赛季广州豹的主场),天河体育中心体育场(此前广州队的球场),以及双主场(越秀山+天河体育中心体育场)。 本赛季中甲,广州豹一骑绝尘,他们提前四轮锁定中甲冠军成功冲超,在四年间实现中冠到中超的“三级跳”,让广州足球时隔四年重新回到中国足球顶级职业联赛的赛场

ESPN:埃斯特旺出场时间少,切尔西担忧他的身体对抗能力不足

ESPN:埃斯特旺出场时间少,切尔西担忧他的身体对抗能力不足

据ESPN报道,埃斯特旺被广泛认为是巴西最耀眼的年轻天才,但本赛季他在切尔西一直难以获得出场时间。他缺少上场时间的原因是什么? 他为什么在切尔西踢不上球? 据他的经纪人安德烈-库里透露,埃斯特旺选择切尔西有特定的理由。他并不认为自己只是一个左脚右边锋。在所有谈判中,这家伦敦俱乐部似乎最愿意接受他可能出现在中路、担任10号位的想法。 但这始终可能存在隐患。这样的承诺能有多少可信度?毕竟,参与谈判的人