← Todas las noticias

Ant Lingbo presenta LingBot-Touch, un modelo base táctil con cerca de 5000 horas de datos y una representación que se conecta a cuatro modelos de acción

Según un reportaje de Machine Heart del 10 de noviembre de 2026, Ant Lingbo presentó el modelo base táctil LingBot-Touch, que unifica sensores táctiles magnéticos, piezorresistivos y visotáctiles con 4.983 horas de datos táctiles reales; el reportaje afirma que una misma representación preentrenada, al conectarse a Diffusion Policy, π0.5, LingBot-VLA y T-Rex, mejora la tasa de éxito en robots reales.

Publicado Actualizado

Qué ha cambiado

Según un reportaje de Machine Heart del 10 de noviembre de 2026, Ant Lingbo presentó ese día el modelo base táctil LingBot-Touch. El reportaje introduce el tema con el resultado del 64,9 % de Fable 5.2 de Anthropic en demostraciones de manipulación robótica y en el benchmark RoboDojo, y luego centra la atención en que "una demostración exitosa no equivale a capacidad general de manipulación física", sosteniendo que el "tacto" fino aún requiere modelos nativos del cuerpo. El reportaje señala que el equipo recopiló 4.983 horas de datos táctiles reales para LingBot-Touch, que abarcan 464.431 segmentos de interacción, unos 1.330 millones de fotogramas y cubren tres tipos de sensores: piezorresistivos, táctiles magnéticos y visotáctiles; cerca de dos tercios de los datos provienen de operadores humanos con guantes táctiles y un tercio de un sistema de teleoperación bimanual equipado con la mano diestra Sharpa Wave. El modelo adopta una estructura de codificación multirrama con un tronco compartido: cada uno de los tres tipos de sensores tiene su propio tokenizador ligero y los tokens táctiles resultantes entran en un mismo Haptic Transformer; el equipo estableció un sistema de coordenadas geométrico unificado de la punta del dedo para que cada token táctil lleve una dirección pentadimensional compuesta por el índice de la ventana temporal, el número de dedo y las coordenadas tridimensionales, con el fin de afrontar las diferencias entre sensores en número de puntos de medición, disposición y frecuencia de muestreo. El entrenamiento sigue el enfoque JEPA, que el equipo denomina Tactile-JEPA: hace predicción de oclusión en el espacio latente en lugar de reconstruir la señal original, con el argumento de que gran parte del tiempo no hay contacto en los datos táctiles y la señal de fondo cercana a cero dispersaría el objetivo de reconstrucción. La validación downstream que presenta el reportaje se divide en tres niveles: cinco tareas de comprensión táctil con el codificador congelado, 26 tareas en robots reales con dos manos diestras, Sharpa Wave y XHand1, y 12 tareas de simulación. El reportaje afirma que, con solo 1000 horas de datos de preentrenamiento, el modelo logra un error de predicción de fuerza de contacto inferior a 2 N en el rango de 30 a 50 N en la punta del dedo, una localización del centro de contacto a nivel submilimétrico y un error de estimación del área de contacto inferior al 2 %. En la parte de robots reales, el reportaje afirma que, tras conectar LingBot-Touch como módulo adicional de representación táctil a los cuatro modelos de acción Diffusion Policy, π0.5, LingBot-VLA y T-Rex para el postentrenamiento downstream, la tasa de éxito media subió en general; por ejemplo, π0.5 pasó del 47,56 % al 68,58 % en Sharpa Wave y LingBot-VLA del 45,60 % al 72,51 %; en XHand1, π0.5 pasó del 49,71 % al 74,17 %. El reportaje también ofrece datos comparativos con FTP-1 y experimentos de escalado de los datos de preentrenamiento de 1000 a 5000 horas. El reportaje enumera canales de publicación como la página del proyecto, el informe técnico, GitHub, Hugging Face y la comunidad ModelScope, pero en todo el texto no menciona términos de licencia ni tampoco API o precios.

Impacto para desarrolladores

El significado de esto para los desarrolladores es completamente distinto al de otro gran modelo que lanza una API, y debe verse en tres niveles. El primer nivel es "si todavía hay que hacer un codificador táctil propio". La afirmación central del reportaje es que la representación táctil puede reutilizarse entre sensores y entre modelos de acción: una misma característica preentrenada, conectada a cuatro modelos de política, mejora la tasa de éxito media y no obliga a reentrenar un codificador táctil para cada modelo de acción. Si esta afirmación se cumple en tu propio hardware, lo que ahorra no es un entrenamiento, sino el trabajo de adaptación que habría que rehacer cada vez que cambias de mano diestra o de sensor. El reportaje señala que LingBot-VLA ya había validado "un cerebro, varias máquinas", y LingBot-Touch lleva la misma idea a la modalidad táctil, más difícil de unificar. El segundo nivel es la estructura de costes de los datos. La proporción de fuentes que revela el reportaje (cerca de dos tercios de personas con guantes y un tercio de teleoperación) apunta a una vía de recolección que no depende del cuerpo del robot: la operación humana cotidiana permite acumular experiencia de contacto y luego la teleoperación complementa la interacción real en hardware específico. Para equipos con pocas horas de máquina real, esta proporción es en sí una estrategia de recolección discutible, no solo un detalle de entrenamiento. El tercer nivel es el criterio de evaluación. En el reportaje, "conectar el tacto mejora" y "la calidad de la representación táctil determina cuánto mejora" son dos conclusiones distintas: en la parte de simulación, el reportaje afirma que las políticas con solo señal de contacto binaria o sin entrada táctil obtienen un 0 % de éxito en la tarea de equilibrio de esfera, mientras que LingBot-Touch logra el 67,7 % y el 35,9 % en Sharpa Wave y XHand1 respectivamente. Esto implica que añadir un simple interruptor de contacto no aporta la misma ganancia, y que la forma de conexión, más que "tener o no tacto", domina el resultado. Cabe advertir que todas estas cifras son autoinformadas por el equipo y el reportaje no menciona reproducción por terceros ni evaluación independiente.

Integración y evaluación

Las siguientes dos o más reglas de decisión son recomendaciones y análisis condicional basados en el contenido del reportaje, no conclusiones fácticas del propio reportaje. Decisión uno (recomendación): reutilizar LingBot-Touch como codificador táctil compartido o seguir entrenando un codificador específico para cada modelo de acción. El cambio correspondiente en el reportaje es que una misma representación preentrenada puede conectarse a las cuatro arquitecturas Diffusion Policy, π0.5, LingBot-VLA y T-Rex, y que el reportaje afirma que la tasa de éxito media en robots reales sube en general. La condición previa es estricta: tu sensor táctil debe pertenecer a las tres categorías cubiertas por el reportaje (piezorresistivo, táctil magnético o visotáctil); el reportaje dice explícitamente que el preentrenamiento aún no cubre sensores capacitivos y que la validación en robots reales solo se hizo con las dos manos diestras Sharpa Wave y XHand1, por lo que los equipos con estructuras de dedo o soluciones de sensor muy distintas no pueden aplicar directamente esta conclusión de reutilización. Criterio de evaluación medible: en tu propio conjunto de tareas en robots reales, comparar con el codificador congelado frente a tu línea base táctil actual (por ejemplo, características táctiles de una CNN entrenada por ti) en las mismas tareas, registrando la diferencia de tasa de éxito y el error de predicción de fuerza de contacto; el orden de magnitud de referencia que da el reportaje es que, en la misma tarea y plataforma, el error medio de fuerza de contacto baja de 2,31 N con FTP-1 a 0,81 N, pero lo que necesitas son tus propios números, no repetir estos. Además, antes de ponerte manos a la obra, confirma una cosa: si la disposición de puntos de medición de tu sensor puede mapearse al sistema de coordenadas cartesianas unificado y a la dirección de token pentadimensional que describe el reportaje; si no se puede mapear, toda la reutilización posterior carece de base. Decisión dos (recomendación, para equipos que entrenan o siguen preentrenando por su cuenta): en la próxima ronda, invertir recursos en escala de datos o en capacidad del modelo. El cambio correspondiente en el reportaje es el experimento de escalado: al pasar los datos de preentrenamiento de 1000 a 4000 horas, HaT-Tiny mejora de forma sostenida en cuatro dimensiones, y a las 5000 horas queda básicamente igual que a las 4000, por lo que el equipo concluye que la capacidad del modelo empieza a ser la limitación; al cambiar a un HaT-Small mayor, mejora aún más en todas las escalas de datos. Condición previa: ya tienes una tubería de datos táctiles estable y escalable; si no, primero hay que resolver la recolección y no el tamaño del tronco. Criterio medible: trazar en un conjunto de evaluación fijo la curva "horas de preentrenamiento frente a error de fuerza de contacto o tasa de éxito" para ver si ya apareció una meseta; si aparece y añadir más datos no aporta, entonces considera ampliar el tronco y repetir la misma curva como control. Decisión tres (recomendación, para la planificación de recolección de datos): priorizar la recolección con guantes humanos o la teleoperación. El cambio correspondiente en el reportaje es que la estructura de fuentes de datos es de aproximadamente dos tercios de guantes y un tercio de teleoperación. Condición previa: si tu hardware objetivo es el mismo modelo del sistema de teleoperación; si no, el valor de adaptación de la parte de teleoperación a un cuerpo específico disminuye. Criterio medible: tras transferir la misma representación a una segunda mano diestra, observar la caída de la tasa de éxito media; una caída pequeña indica que la parte transferible de la representación es grande y que el valor marginal de los datos de guantes es mayor.

Límites y cuestiones pendientes

Primero, en esta revisión del catálogo (12 de noviembre de 2026), LingBot-Touch no aparece en el catálogo de modelos de KimiSeek, y el reportaje tampoco menciona ninguna API ni precio; la página del proyecto, el repositorio de código y las direcciones de Hugging Face y ModelScope que da el reportaje son publicadas por el propio fabricante, por lo que cualquier afirmación sobre si el modelo es accesible y cómo conectarse debe basarse en los canales del fabricante (Ant Lingbo/Robbyant), no en este sitio. Segundo, el reportaje no menciona en ningún momento los términos de licencia: "que la página de pesos sea visible públicamente" y "que sea utilizable comercialmente" son dos cosas distintas, y hay que verificar la licencia por cuenta propia antes de implementarlo. Tercero, la validación en robots reales solo cubre las dos manos diestras Sharpa Wave y XHand1, los datos de preentrenamiento no cubren sensores capacitivos y el propio reportaje admite que se necesitan experimentos más amplios con más formas de robot, entornos complejos y tareas de largo horizonte. Cuarto, todas las tasas de éxito, errores y cifras comparativas son autoinformadas por el equipo y el reportaje no menciona reproducción por terceros; en cuanto a FTP-1 como línea base de comparación, el reportaje tampoco detalla su implementación ni el presupuesto de ajuste de hiperparámetros, por lo que no se puede confirmar la equidad de la comparación horizontal a partir del reportaje. Quinto, los datos de teleoperación solo se recopilaron en el sistema bimanual equipado con Sharpa Wave, y el reportaje no cuantifica cuán grande es la diferencia de distribución de datos entre cuerpos. Sexto, el número de parámetros del modelo, la potencia de cómputo necesaria para entrenamiento e inferencia y la latencia de inferencia no se revelan en el reportaje, por lo que el coste de despliegue no puede estimarse actualmente a partir de información pública. Estos puntos no entran en conflicto con los hechos del reportaje y las recomendaciones del texto: las cifras de rendimiento del texto siempre se señalan como el criterio del reportaje, y este párrafo describe lo que sigue faltando más allá de esas cifras.

Tres minutos hasta la primera llamada

Crea una cuenta y una clave de API. El coste de las llamadas se descuenta de tu saldo. 30 % de descuento en tu primera recarga. Recarga ¥500, paga ¥350, recibe ¥500 de saldo. Recarga ¥1000, paga ¥850, recibe ¥1000 de saldo La recarga mínima sigue siendo de ¥10, adecuada para pruebas.

Fuentes y proceso editorial

Fable 5.2 吃掉机器人?「手感」这块,还得靠具身原生基模来补全

La IA ayudó con el análisis y la traducción de las fuentes citadas, seguidos de controles automáticos. Las recomendaciones no son resultados de pruebas. Consulta el catálogo actual para precios y disponibilidad.