1961年，第一台工业机器人Unimate在通用汽车的新泽西州工厂投入使用，按照磁鼓中预先存储的指令，从压铸机里夹取高温零件。此后，视觉系统让机器人识别零件的位置和姿态，开始承担更多的工序。

60多年过去，无需人工值守的“黑灯工厂”已经出现，但仍有不少操作是机器人替代不了的，汽车线束的装配就是其中之一。

据奥迪2026年1月公布的信息，整个汽车行业线束生产和装配的自动化比例不到10%。柔性线缆的形态不断变化，每个连接器是否接合到位，都要在接触中反复判断和确认。

从识别物体到伸手抓取，机器人已经取得了长足的进步，但手碰到物体后，如何控制力度、应对滑动、确认操作完成，仍是难题。承担这一环节的灵巧手，常被称为机器人的“最后一厘米”。

这些需要在接触中完成的工作，是物理AI试图接手的领域，也是最难啃的一块骨头。

近日，蚂蚁集团旗下的蚂蚁灵波科技（下称“蚂蚁灵波”）开源了触觉基础模型LingBot-Touch，将不同触觉传感器的信号转化为统一的接触信息，供不同的灵巧手和动作模型使用。此前，蚂蚁灵波的机器人通用大脑已覆盖空间感知、环境交互和灵巧操作，这一次新增了触觉能力。

触碰之后

上世纪八十年代，机器人学者汉斯·莫拉维克等人提出：对人类而言毫不费力的感知和动作，恰恰是机器最难掌握的能力，后来被称为莫拉维克悖论。

对机器而言，接触发生之后的状态，视觉往往看不到。

以拧瓶盖任务为例，视觉可以帮助手指对准瓶盖，开始转动后，瓶盖可能已经松动，也可能只是指腹沿盖壁滑动，两种情形在图像中相似，需要的动作调整并不相同。

指尖的接触状态常被手指和物体遮挡，又是动作模型调整动作的依据，既关系到任务能否完成，也关系到物品是否受损。

测量这些信息需要指尖的触觉传感器，同机械臂腕部早已使用的力传感器相比，它给出的接触位置、受力分布和滑动状态更细，信号也更为复杂。

但装上触觉传感器，并不等于机器人就能用好触觉。

在蚂蚁灵波的真机测试中，动作模型π0.5控制灵巧手完成拉合拉链的任务，不使用触觉时成功率为39%，直接输入传感器原始信号后降至15%，改为输入经LingBot-Touch处理的触觉信息后升至59%。

接触信号需要先转化为动作模型能够利用的信息，LingBot-Touch位于传感器和动作模型之间，承担的正是这一步。蚂蚁灵波在技术报告中提到，在Sharpa Wave灵巧手上判断指尖的接触中心时，LingBot-Touch的平均定位误差为0.12毫米。

同样的对照在26项真机任务上进行，涵盖翻书页、拧瓶盖、搬运易变形杯子等操作，使用Sharpa Wave和星动纪元XHand1两款灵巧手。蚂蚁灵波自研的LingBot-VLA和π0.5、Diffusion Policy、T-Rex三种外部动作模型接入LingBot-Touch后，平均成功率较不使用触觉时提高约14至26个百分点。

其中，T-Rex在拧瓶盖任务中的成功率，不使用触觉时为56.25%，直接输入原始信号时为62.5%，接入LingBot-Touch后升至90%。真机测试之外，LingBot-Touch还在12项仿真强化学习任务中得到验证。

“模态输入的质量很大程度上决定了动作输出的质量，换句话说没有好的输入就没有好的输出。”蚂蚁灵波CEO朱兴说。高质量的触觉输入来自专门的模型，模型的训练又离不开数据。

换一只手

触觉模型的训练数据只能来自硬件，机器人每更换一款灵巧手，数据采集、模型训练和适配往往要从头进行。

这同硬件的现状有关，灵巧手目前处在多种技术方案并存的阶段，国际数据公司（IDC）在2026年11月9日发布的报告中提到，主流的驱动方案尚未形成统一的技术方向。

触觉传感器也类似，主流方案包括视触觉、磁触觉和压阻式等，分别记录软胶表面形变、磁场变化和电阻变化。

硬件方案的多样为企业留出了创新空间，也造成了数据的分割。

同样一次接触，在不同的传感原理和触点排布下会形成不同的原始信号，针对一种传感器训练的模型，更换传感器或灵巧手后往往难以沿用。

针对这一问题，LingBot-Touch的做法是在信号层面先行统一，它按传感原理分别编码，再由共享的模型输出统一的触觉Token。

不同硬件采集的数据由此可以共同用于训练，其预训练数据近5000小时、约13.3亿帧，来自人佩戴触觉手套和遥操作灵巧手的真实操作，涵盖抓握、旋转、滑动、装配和双手配合等动作。

这一做法的效果在更换硬件时得到检验，XHand1搭载的磁触觉传感器型号不在预训练数据之内，团队保持LingBot-Touch的参数不变，仅用XHand1的操作示范训练动作模型。

在6项任务中，将触觉输入由原始信号替换为触觉Token后，π0.5的平均成功率从48%升至74.17%，LingBot-VLA从57.21%升至75.04%。其中搬运易变形杯子一项，LingBot-VLA的成功率从58%升至90%。

更换灵巧手之后，提取接触信息的能力得以沿用，需要再次学习的是动作模型对这只手的控制。预训练中的磁触觉数据全部来自人佩戴手套采集，人手积累的接触经验，同样可以帮助机器人读懂手上的触觉信号。手套采集不依赖机器人本体，也为扩大触觉数据规模提供了一条路径。

这首先影响到灵巧手厂商，厂商之间的竞争已不限于硬件参数，IDC在前述报告中提到，触觉感知和操作控制同样是核心竞争维度。

IDC中国研究经理李君兰近期指出，未来厂商之间的差异也将体现在能否将硬件、模型、数据和技能有效结合。

对这些厂商来说，传感器标定、降噪和读数校正仍需自己完成，通用的触觉模型则无需从头训练，研发资源可以更多投向传感精度和耐用性。动作模型团队仍要训练具体任务，但可以从已有的触觉能力出发。

从整个产业来看，硬件的多样性原本造成数据难以共享，在统一的模型之下则有机会成为数据的来源。按照IDC的预计，2026年全球灵巧手出货量约2.5万台，中国厂商占比超过85%，灵巧手和传感器种类丰富，是中国发展通用触觉模型的有利条件。

真实世界不会暂停

几乎在LingBot-Touch开源的同时，美国人工智能公司Anthropic发布通用大模型Claude Fable 5.2，展示了该模型控制机器人拧瓶盖、还原魔方等能力。Anthropic公布的内部测试结果显示，在机器人仿真操作评测RoboDojo上，该模型的平均成功率为64.9%，高于上一代模型的27.6%。

在此之前，另一款通用大模型GPT-6 Astra未经机器人方面的专门训练，在RoboDojo的42项任务中，综合得分就已超过榜单上全部40个公开的动作模型。

不过，测试结果也显示，GPT-6 Astra在需要高精度控制、动态控制和双手协作的任务上表现欠佳，这些任务的难点大多出现在手接触物体之后。真实世界不会暂停，物体在手中开始滑动时，机器人需要即时调整握力，处理触觉信号的模型必须足够轻量。

朱兴表示，以Claude Fable 5.2、GPT-6 Astra为代表的通用大模型，确实让机器人的复杂任务推理和物理操作能力更强，蚂蚁灵波也在积极吸收。

“要真正跑通操作闭环，物理操作泛化性这块硬骨头还是绕不开，很大程度上仍要靠具身基础模型自身的突破。”他说。

在朱兴看来，两类模型更接近协同关系，通用大模型增强机器人对任务和环境的理解、推理，专为机器人训练的具身基础模型提升物理感知和闭环操作能力，两者相互促进，共同加速具身智能产业的成熟。

在这一判断下，蚂蚁灵波将自身的技术方向概括为“具身原生”，围绕机器人在物理世界中感知环境、预测变化和执行任务的需要设计和训练模型。

沿着这一方向，蚂蚁灵波的动作模型LingBot-VLA 2.0此前已适配17个品牌的20种机器人构型，LingBot-Touch已同LingBot-VLA融合，可复用的范围从机器人本体延伸至灵巧手和传感器。

据朱兴介绍，蚂蚁灵波后续还将推动视觉、深度、触觉乃至温度等更多模态在统一模型中对齐。

这些能力并不只供蚂蚁灵波自己使用，LingBot-Touch不绑定蚂蚁灵波自研的动作模型，技术报告、模型和代码均已开源，硬件厂商、整机企业和已有动作模型的团队都可以接入使用。

蚂蚁灵波还同乐聚、钛虎等本体厂商以及国大药房、隆盛等场景伙伴，在零售分拣、物流分拣和工业场景开展商业化测试。

放到产业分工里看，触觉这类各方都需要的能力，更适合由能够接入多种硬件和多种动作模型的基础模型企业提供。硬件厂商专注本体和传感器，应用团队专注任务和场景，从头开始的投入随之减少，更多实际应用得以落地。

从按预设程序动作，到借助视觉定位，再到由大模型规划任务、凭触觉感知接触，“机器换人”的60多年里，每向前一步，都以新能力的成熟为前提。

随着触觉成为不同硬件可以共用的能力，灵巧手这“最后一厘米”的进展有望加快，基础模型企业的价值，也将在这一过程中逐步显现。