← Alle Modellneuigkeiten

Ant Lingbo veröffentlicht taktiles Basismodell LingBot-Touch: fast 5.000 Stunden Daten, eine Repräsentation für vier Aktionsmodelle

Laut einem Bericht von Synced (机器之心) vom 10. November 2026 hat Ant Lingbo das taktile Basismodell LingBot-Touch veröffentlicht. Es vereinheitlicht mit 4.983 Stunden echter taktiler Daten drei Sensortypen: magnetische Tastsensoren, piezoresistive Sensoren und visuelle Taktilsensoren. Der Bericht gibt an, dass dieselbe vorab trainierte Repräsentation nach dem Anschluss an Diffusion Policy, π0.5, LingBot-VLA und T-Rex die Erfolgsraten an realen Robotern jeweils verbessert.

Veröffentlicht Aktualisiert

Was sich geändert hat

Laut einem Bericht von Synced (机器之心) vom 10. November 2026 hat Ant Lingbo an diesem Tag das taktile Basismodell LingBot-Touch veröffentlicht. Der Bericht führt Anthropics Fable 5.2 mit einem Ergebnis von 64,9 % bei Roboter-Manipulationsdemonstrationen und im RoboDojo-Benchmark als Aufhänger an und legt den Schwerpunkt anschließend darauf, dass „eine erfolgreiche Demonstration nicht mit allgemeiner physikalischer Manipulationsfähigkeit gleichzusetzen ist“. Für feines „Tastgefühl“ seien weiterhin verkörperte native Modelle nötig. Der Bericht gibt an, dass das Team für LingBot-Touch 4.983 Stunden echter taktiler Daten gesammelt hat. Sie umfassen 464.431 Interaktionssegmente mit etwa 1,33 Milliarden Frames und decken drei Sensortypen ab: piezoresistive Sensoren, magnetische Tastsensoren und visuelle Taktilsensoren. Etwa zwei Drittel der Daten stammen von menschlichen Bedienern, die Taktilhandschuhe tragen, ein Drittel von einem zweiamigen Teleoperationssystem mit der Sharpa-Wave-Dexterhand. Das Modell nutzt eine Struktur mit mehreren Zweigen und gemeinsamem Backbone: Jeder der drei Sensortypen hat einen eigenen leichten Tokenizer, die erzeugten taktilen Tokens gelangen in denselben Haptic Transformer. Das Team etabliert ein einheitliches Fingerkuppen-Geometriekoordinatensystem, sodass jedes taktile Token eine fünfdimensionale Adresse aus Zeitfensterindex, Fingernummer und dreidimensionalen Koordinaten erhält. Damit sollen Unterschiede zwischen Sensoren bei Anzahl, Anordnung und Abtastrate der Messpunkte ausgeglichen werden. Beim Training folgt das Team dem JEPA-Ansatz, den es Tactile-JEPA nennt: Im latenten Raum wird eine Maskierungsvorhersage statt einer Rekonstruktion der Rohsignale durchgeführt. Begründet wird dies damit, dass taktile Daten über weite Zeiträume keinen Kontakt aufweisen und die nahezu null Hintergrundsignale das Rekonstruktionsziel verwässern würden. Die im Bericht genannte Downstream-Validierung erfolgt auf drei Ebenen: fünf taktile Verständnisaufgaben mit eingefrorenem Encoder, 26 reale Roboteraufgaben auf den beiden Dexterhänden Sharpa Wave und XHand1 sowie 12 Simulationsaufgaben. Der Bericht gibt an, dass das Modell mit nur 1000 Stunden Vortrainingsdaten im Bereich der Fingerkuppenkraftmessung von 30 bis 50 N einen Vorhersagefehler der Kontaktkraft von unter 2 N erreicht, die Lokalisierung des Kontaktzentrums im Submillimeterbereich liegt und der Schätzfehler der Kontaktfläche unter 2 % bleibt. Im realen Roboterteil heißt es, dass nach dem Anschluss von LingBot-Touch als zusätzliches taktiles Repräsentationsmodul an die vier Aktionsmodelle Diffusion Policy, π0.5, LingBot-VLA und T-Rex und anschließendem Downstream-Nachtraining die durchschnittlichen Erfolgsraten generell stiegen. Beispielsweise stieg π0.5 auf Sharpa Wave von 47,56 % auf 68,58 %, LingBot-VLA von 45,60 % auf 72,51 %; auf XHand1 stieg π0.5 von 49,71 % auf 74,17 %. Der Bericht nennt außerdem Vergleichsdaten mit FTP-1 sowie Skalierungsexperimente, bei denen die Vortrainingsdaten von 1000 auf 5000 Stunden erhöht wurden. Der Bericht listet Veröffentlichungskanäle wie Projektseite, technischen Bericht, GitHub, Hugging Face und ModelScope auf, erwähnt jedoch weder Lizenzbedingungen noch API oder Preise.

Auswirkungen für Entwickler

Die Bedeutung für Entwickler unterscheidet sich grundlegend von der eines weiteren großen Modells, das eine API einführt, und muss auf drei Ebenen betrachtet werden. Die erste Ebene ist die Frage, ob man noch einen eigenen taktilen Encoder entwickeln muss. Die Kernaussage des Berichts lautet, dass taktile Repräsentationen sensorübergreifend und aktionsmodellübergreifend wiederverwendet werden können: Dieselben vorab trainierten Merkmale verbessern bei Anschluss an vier Policy-Modelle die durchschnittliche Erfolgsrate, ohne dass für jedes Aktionsmodell ein eigener taktiler Encoder neu trainiert werden muss. Wenn diese Aussage auf der eigenen Hardware zutrifft, entfällt nicht nur ein einzelnes Training, sondern die Anpassungsarbeit, die bei jedem Wechsel der Dexterhand oder des Sensors erneut nötig wäre. Der Bericht gibt an, dass LingBot-VLA bereits „ein Gehirn, mehrere Maschinen“ validiert hat und LingBot-Touch denselben Gedanken auf die schwieriger zu vereinheitlichende taktile Modalität überträgt. Die zweite Ebene ist die Kostenstruktur der Daten. Die im Bericht offengelegte Quellenverteilung – etwa zwei Drittel von Menschen mit Handschuhen, ein Drittel aus Teleoperation – weist auf einen Erfassungspfad hin, der nicht vom Roboterkörper abhängt: Menschliche Alltagsmanipulation kann Kontakterfahrung sammeln, Teleoperation ergänzt echte Interaktionen auf spezifischer Hardware. Für Teams ohne große reale Maschinenzeit ist dieses Verhältnis selbst eine diskutable Erfassungsstrategie und nicht nur ein Trainingsdetail. Die dritte Ebene ist der Bewertungsmaßstab. „Mit Taktilität wird es besser“ und „die Qualität der taktilen Repräsentation bestimmt, wie viel besser es wird“ sind zwei verschiedene Aussagen: Im Simulationsteil berichtet der Bericht, dass Policies, die nur binäre Kontaktsignale oder gar keine taktilen Eingaben nutzen, bei der Kugelbalance-Aufgabe eine Erfolgsrate von 0 % erreichen, während LingBot-Touch auf Sharpa Wave bzw. XHand1 67,7 % und 35,9 % erzielt. Laut Bericht deutet dies darauf hin, dass ein einfacher Kontaktschalter nicht denselben Nutzen bringt und die Art des Anschlusses, nicht das bloße Vorhandensein von Taktilität, das Ergebnis prägt. Einschränkend ist zu sagen, dass alle genannten Zahlen vom Team selbst stammen und der Bericht weder eine unabhängige Reproduktion noch eine externe Evaluierung erwähnt.

Integration und Bewertung

Die folgenden zwei oder mehr Entscheidungsregeln sind Empfehlungen und bedingte Analysen auf Basis des Berichts, keine Tatsachenbehauptungen des Berichts selbst. Entscheidung eins (Empfehlung): LingBot-Touch als gemeinsam genutzten taktilen Encoder wiederverwenden oder weiterhin für jedes Aktionsmodell einen eigenen Encoder trainieren. Die entsprechende berichtete Änderung ist, dass dieselbe vorab trainierte Repräsentation an die vier Architekturen Diffusion Policy, π0.5, LingBot-VLA und T-Rex angeschlossen werden kann und die durchschnittlichen Erfolgsraten an realen Robotern laut Bericht generell steigen. Die Voraussetzung ist strikt: Der eigene Tastsensor muss zu den drei im Bericht abgedeckten Typen gehören – piezoresistiv, magnetisch oder visuell-taktil. Der Bericht sagt ausdrücklich, dass das Vortraining kapazitive Sensoren noch nicht abdeckt, und die reale Validierung erfolgte nur auf den beiden Dexterhänden Sharpa Wave und XHand1. Teams mit deutlich abweichender Fingerstruktur oder Sensorlösung können diese Wiederverwendungsaussage nicht direkt übernehmen. Messbares Bewertungskriterium: Auf dem eigenen realen Aufgaben-Set den eingefrorenen Encoder mit einer bestehenden taktilen Baseline (etwa selbst trainierten CNN-Taktilmerkmalen) auf denselben Aufgaben vergleichen und die Erfolgsratendifferenz sowie den Vorhersagefehler der Kontaktkraft erfassen. Die im Bericht genannte Referenzgröße ist ein durchschnittlicher Kontaktkraftfehler, der auf derselben Aufgabe und Plattform von 2,31 N bei FTP-1 auf 0,81 N sinkt; benötigt werden jedoch eigene Messwerte, nicht die bloße Wiedergabe dieser Zahlen. Vor dem Start sollte außerdem geklärt werden, ob sich das Messpunktlayout des eigenen Sensors auf das im Bericht beschriebene einheitliche kartesische Koordinatensystem und die fünfdimensionale Token-Adresse abbilden lässt. Ohne diese Abbildung ist die gesamte Wiederverwendung nicht möglich. Entscheidung zwei (Empfehlung für Teams, die selbst trainieren oder weiter vortrainieren): Die nächsten Ressourcen in Datenumfang oder in Modellkapazität investieren. Die entsprechende berichtete Änderung ist das Skalierungsexperiment: Bei einer Erhöhung der Vortrainingsdaten von 1000 auf 4000 Stunden verbesserte sich HaT-Tiny in vier Dimensionen kontinuierlich, bei 5000 Stunden war das Niveau nahezu identisch mit 4000 Stunden, und das Team schließt daraus, dass die Modellkapazität zum begrenzenden Faktor wird. Mit dem größeren HaT-Small verbesserten sich die Ergebnisse bei allen Datenumfängen weiter. Voraussetzung: Es existiert bereits eine stabile, skalierbare taktile Datenpipeline; andernfalls sollte zuerst die Datenerfassung und nicht die Backbone-Größe gelöst werden. Messbares Kriterium: Auf einem festen Evaluierungsset eine Kurve „Vortrainingsstunden – Kontaktkraftfehler/Erfolgsrate“ erstellen und prüfen, ob bereits ein Plateau erreicht ist. Tritt ein Plateau auf und bringt weiteres Datenwachstum keinen Nutzen, kann ein größeres Backbone erwogen und dieselbe Kurve zum Vergleich erneut durchlaufen werden. Entscheidung drei (Empfehlung für die Planung der Datenerfassung): Vorrangig menschliche Handschuh-Erfassung oder Teleoperations-Erfassung investieren. Die entsprechende berichtete Änderung ist die Datenquellenstruktur von etwa zwei Dritteln Handschuh und einem Drittel Teleoperation. Voraussetzung ist, ob die Zielhardware genau dem Modell im Teleoperationssystem entspricht; wenn nicht, sinkt der Anpassungswert des Teleoperationsteils für einen bestimmten Roboterkörper. Messbares Kriterium: Nach der Übertragung derselben Repräsentation auf eine zweite Dexterhand den Rückgang der durchschnittlichen Erfolgsrate beobachten. Ein geringer Rückgang spricht dafür, dass der übertragbare Anteil der Repräsentation hoch ist und der Grenznutzen der Handschuhdaten größer ist.

Grenzen und offene Fragen

Erstens tauchte LingBot-Touch bei der aktuellen Katalogprüfung (12. November 2026) nicht im Modellkatalog von KimiSeek auf, und der Bericht nennt weder eine API noch Preise. Die im Bericht genannten Adressen für Projektseite, Code-Repository, Hugging Face und ModelScope werden alle von der Herstellerseite veröffentlicht. Aussagen dazu, ob das Modell verfügbar ist und auf welche Weise es angebunden werden kann, sollten sich daher nach den Angaben des Herstellers (Ant Lingbo/Robbyant) richten und nicht nach dieser Seite. Zweitens erwähnt der Bericht an keiner Stelle Lizenzbedingungen; „eine öffentlich sichtbare Gewichtsseite“ und „kommerziell nutzbar“ sind zwei verschiedene Dinge, und die Lizenz muss vor dem Einsatz selbst geprüft werden. Drittens deckt die reale Validierung nur die beiden Dexterhänden Sharpa Wave und XHand1 ab, die Vortrainingsdaten decken keine kapazitiven Sensoren ab, und der Bericht räumt selbst ein, dass weitere Roboterformen, komplexe Umgebungen und langfristige Aufgaben umfangreichere Experimente erfordern. Viertens stammen alle Erfolgsraten, Fehlerwerte und Vergleichszahlen vom Team selbst, und der Bericht erwähnt keine unabhängige Reproduktion; für die Vergleichsbasis FTP-1 werden im Bericht weder Implementierungsdetails noch das Tuning-Budget erläutert, sodass die Fairness des Quervergleichs aus dem Bericht nicht bestätigt werden kann. Fünftens wurden die Teleoperationsdaten nur auf dem zweiamigen System mit Sharpa Wave gesammelt; wie groß die Datenverteilungsunterschiede zwischen Roboterkörpern sind, wird im Bericht nicht quantifiziert. Sechstens werden Modellparameterzahl, benötigte Rechenleistung für Training und Inferenz sowie Inferenzlatenz im Bericht nicht offengelegt; die Bereitstellungskosten lassen sich derzeit nicht aus öffentlichen Informationen schätzen. Diese Punkte stehen nicht im Widerspruch zu den berichteten Fakten und Empfehlungen im Haupttext: Die Leistungszahlen im Haupttext sind stets als Angaben des Berichts gekennzeichnet, und dieser Abschnitt beschreibt, was über diese Zahlen hinaus weiterhin offen bleibt.

In drei Minuten zum ersten Aufruf

Erstelle ein Konto und einen API-Schlüssel. Aufrufe werden von deinem Guthaben abgebucht. 30 % Rabatt auf die erste Aufladung. ¥500 aufladen, ¥350 zahlen, ¥500 Guthaben erhalten. ¥1000 aufladen, ¥850 zahlen, ¥1000 Guthaben erhalten Die Mindestaufladung bleibt ¥10 und eignet sich zum Ausprobieren.

Quellen und redaktioneller Prozess

Fable 5.2 吃掉机器人?「手感」这块,还得靠具身原生基模来补全

KI unterstützte die Analyse und Übersetzung der genannten Quellen, gefolgt von automatischen Qualitätsprüfungen. Empfehlungen sind keine Testergebnisse. Verfügbarkeit und Preise stehen im aktuellen Katalog.