具身智能领域长期有一个缺口:机器人能通过视觉识别目标,也能理解语言指令,但抓取时该用多大力度、物体是软是硬,往往没有可靠依据。蚂蚁灵波将触觉基础模型LingBot-Touch开源,试图把接触瞬间的压力、纹理和形变信息纳入机器人感知系统。
与视觉可利用海量图片视频预训练不同,触觉信号必须依赖真实接触和传感器采集,数据成本高,标准化也更困难。LingBot-Touch的思路,是把来自不同传感器、不同材质的触觉信息映射到统一表征中,提取可迁移规律。机器人遇到新物体时,不再需要从零开始采集大量数据,少量样本就能做适配。
在抓鸡蛋、捏柔性材料或转动陌生旋钮等精细操作里,视觉很难单独判断合适力度。力度偏大可能损坏对象,偏小又会打滑。触觉模型可实时观察接触状态,把压力分布传给控制策略,再调整手指姿态。它与视觉定位、语言理解配合后,机器人才能在复杂桌面上连续完成多步骤任务。
灵波团队此前已开放视觉语言动作模型,并在具身挑战赛中被开发者使用,用于试验不同数据工程和推理方法。此次触觉模型开源,被看作把感知链条进一步补全,研究者可在统一框架下尝试多模态融合。对学术界而言,可复现的基线有助于加快方法比较和迭代。
难点仍然存在。不同触觉传感器的采样率、量程和噪声特征差异明显,统一表征能否覆盖这些区别,需要更多实验。触觉与视觉、动作之间的时序对齐也不轻松,接触瞬间的微小延迟就可能改变控制结果。实验室稳定不等于工厂或家庭环境可直接使用,真实场景中的标定和调校难以省略。
当算法侧形成统一接口后,硬件厂商可以把精力放在灵敏度、耐用性等指标上,不必各自维护封闭的数据格式。这种分工有助于标准形成,也能降低整机厂商的集成成本。触觉模型是否有效,不能只看单项指标,还要在连续操作中观察稳定性,长期可靠才可能进入真实生产环节。