具身智能企业Robbyant于2026年11月10日宣布开源触觉大模型。机器人触觉智能迈入全新发展阶段。该模型依托近五千小时真实物理世界触觉传感数据训练而成。系统创新统一了磁触觉、视触觉与压阻式触觉三大传感模态。机械臂精细操作任务成功率最高提升两成六。
统一三大主流触觉传感模态打破机器人看得清却拿不稳物理死穴
在过去很长一段时间内。具身智能机器人在视觉感知和语言理解方面取得了飞速进展。但在实际接触物体的物理交互瞬间往往频繁滑落。技术痛点长期未决。
传统机械臂主要依赖视觉伺服控制，一旦手指与物体表面发生遮挡接触。机器人便陷入“触觉盲区”。不同厂商生产的触觉传感器在信号格式上截然不同，导致算法无法跨硬件通用。Robbyant团队开发的LingBot-Touch创新引入了“触觉通用令牌”（Tactile Token）编码架构。算法兼容性极佳。Robbyant首席科学家在发布会上发表讲话。发言人指出：“触觉是赋予机器人真实物理实体感的关键纽带。通过统一跨模态传感接口并开源训练代码。我们正在打破机器人从能看到能拿的最后一道物理鸿沟。”。官方阐释了触觉大模型的底层架构。
无论机械爪搭载的是磁性凝胶传感器还是微阵列薄膜压敏传感器。模型均能将其统一转化为高密度的三维法向力与剪切力特征张量。硬件跨平台迁移极其便捷。
五千小时真实物理交互数据训练二十六项严苛操作测试全线达标
为了构筑坚实的物理世界基础模型。研发团队历时十八个月采集了高达五千小时的真实机器人触觉交互序列。训练规模创行业之最。
数据集涵盖了金属精密装配、柔性织物折叠、易碎生鲜抓取及复杂线缆插拔等上百种工业。家庭典型场景。数据分布广泛均衡。在独立的第三方二十六项真实物理抓取基准测试中。搭载LingBot-Touch的双臂机器人在两款不同构型机。械手上的任务成功率较传统强化学习算法提升了整整二十六个百分点。抓取动作流畅轻柔。对易碎草莓与生鸡蛋的无损抓取成功率达到百分之百。
国际顶级机器人自动化顶级学者高度评价该成果。称赞其解决了长期困扰机器人学界的“触觉感知碎片化”世纪难题。开源模型资源已在GitHub与Hugging Face同步上架。
支持全球具身智能开发者加速推动人形机器人进驻复杂制造产线
随着模型权重与推理代码的全面开源。全球人形机器人开发团队与自动化集成商将能够零门槛获取工业级触觉推理能力。技术普及迎来新起点。
目前该触觉大模型已在三家跨国消费电子头部制造厂商的表面贴装（SMT）。高精密微螺丝拧紧工位开展落地试跑。工业级验证稳步推进。得益于毫秒级的触觉闭环力控响应。机械臂在微小电子元器件插接过程中的不良报废率下降了百分之四十二。工艺合格率显著提高。
斯坦福大学人工智能与具身机器人实验室主任发表评论指出。发言人指出：“触觉基础模型的开源意义不亚于大语言模型领域的羊驼革命。它为全球机器人学界提供了一个通用的触觉感知基座。将极大地加速人形机器人从演示舞台走向精密车间与家庭看护的商业化历史进程。”。后续面向医疗外科手术机器人的高精度衍生版本正在加紧研发。
