← Toutes les actualités

Ant Group Lingbo dévoile LingBot-Touch, un modèle de base tactile fort de près de 5 000 heures de données

Selon un article de Machine Heart daté du 10 novembre 2026, Ant Group Lingbo a présenté LingBot-Touch, un modèle de base tactile entraîné sur 4 983 heures de données tactiles réelles couvrant trois types de capteurs (magnétique, piézorésistif et vision-tactile) ; le rapport indique que la même représentation pré-entraînée, branchée sur Diffusion Policy, π0.5, LingBot-VLA et T-Rex, améliore le taux de réussite sur robots réels.

Publication Mise à jour

Ce qui change

Selon un article de Machine Heart daté du 10 novembre 2026, Ant Group Lingbo a publié ce jour-là LingBot-Touch, un modèle de base tactile. L'article ouvre sur le score de 64,9 % obtenu par Fable 5.2 d'Anthropic dans des démonstrations de manipulation robotique et sur le benchmark RoboDojo, puis insiste sur l'idée que « réussir une démonstration ne signifie pas disposer d'une capacité de manipulation physique générale » : le « toucher » fin nécessiterait encore des modèles natifs de l'incarnation. Le rapport indique que l'équipe a collecté pour LingBot-Touch 4 983 heures de données tactiles réelles, soit 464 431 segments d'interaction et environ 1,33 milliard de trames, couvrant trois familles de capteurs : piézorésistifs, magnétiques et vision-tactiles. Environ deux tiers des données proviennent d'opérateurs humains portant des gants tactiles, un tiers d'un système de téléopération à deux bras équipé de mains dextres Sharpa Wave. Le modèle adopte une structure à encodeurs multiples et tronc partagé : chaque famille de capteurs dispose de son propre tokenizer léger, et les tokens tactiles produits entrent dans un même Haptic Transformer. L'équipe a établi un repère géométrique unifié du bout du doigt, afin que chaque token tactile porte une adresse à cinq dimensions composée d'un index de fenêtre temporelle, d'un numéro de doigt et de coordonnées tridimensionnelles, pour absorber les différences entre capteurs en nombre de points de mesure, de disposition et de fréquence d'échantillonnage. L'entraînement suit l'approche JEPA, baptisée Tactile-JEPA par l'équipe : la prédiction de masquage se fait dans l'espace latent plutôt que par reconstruction du signal brut, au motif qu'une grande partie des données tactiles correspond à des périodes sans contact, où un signal de fond proche de zéro détournerait l'objectif de reconstruction. Le rapport présente la validation aval en trois niveaux : cinq tâches de compréhension tactile avec encodeur gelé, 26 tâches sur robots réels avec deux mains dextres, Sharpa Wave et XHand1, et 12 tâches en simulation. Avec seulement 1 000 heures de données de pré-entraînement, le modèle atteindrait une erreur de prédiction de force de contact inférieure à 2 N pour une plage de 30 à 50 N au bout du doigt, une localisation du centre de contact au niveau submillimétrique et une erreur d'estimation de la surface de contact inférieure à 2 %. Côté robots réels, le rapport indique qu'après avoir branché LingBot-Touch comme module de représentation tactile supplémentaire sur les quatre modèles d'action Diffusion Policy, π0.5, LingBot-VLA et T-Rex, puis effectué un post-entraînement aval, le taux de réussite moyen progresse généralement : par exemple π0.5 passe de 47,56 % à 68,58 % sur Sharpa Wave, LingBot-VLA de 45,60 % à 72,51 %, et π0.5 de 49,71 % à 74,17 % sur XHand1. Le rapport fournit aussi des données comparatives avec FTP-1 et une expérience de mise à l'échelle faisant passer les données de pré-entraînement de 1 000 à 5 000 heures. Il cite des canaux de diffusion tels qu'une page projet, un rapport technique, GitHub, Hugging Face et la communauté ModelScope, mais ne mentionne à aucun moment les termes de licence, ni une API, ni un tarif.

Conséquences pour les développeurs

L'intérêt pour les développeurs est très différent de celui d'un nouveau grand modèle exposé via une API : il se lit en trois niveaux. Premier niveau : faut-il encore développer son propre encodeur tactile ? L'argument central du rapport est qu'une représentation tactile peut être réutilisée d'un capteur à l'autre et d'un modèle d'action à l'autre : la même représentation pré-entraînée, branchée sur quatre modèles de politique, améliore le taux de réussite moyen, sans réentraîner un encodeur tactile par modèle d'action. Si cette affirmation tient sur votre propre matériel, ce n'est pas un entraînement que vous économisez, mais le travail d'adaptation à refaire à chaque changement de main dextre ou de capteur. Le rapport rappelle que LingBot-VLA avait déjà démontré un « cerveau, plusieurs machines » ; LingBot-Touch pousse la même logique vers la modalité tactile, plus difficile à unifier. Deuxième niveau : la structure des coûts de données. La répartition divulguée (environ deux tiers de gants portés par des humains, un tiers de téléopération) dessine une trajectoire de collecte indépendante du corps robotique : les opérations humaines quotidiennes accumulent l'expérience du contact, la téléopération complétant les interactions réelles sur un matériel donné. Pour les équipes à court de temps machine sur robots réels, cette proportion constitue en soi une stratégie de collecte discutable, et pas seulement un détail d'entraînement. Troisième niveau : la mesure d'évaluation. « Brancher le tactile améliore les résultats » et « la qualité de la représentation tactile détermine l'ampleur de l'amélioration » sont deux conclusions distinctes : en simulation, le rapport indique que les politiques utilisant seulement un signal de contact binaire, ou aucune entrée tactile, atteignent 0 % de réussite sur la tâche d'équilibrage de sphère, tandis que LingBot-Touch atteint 67,7 % sur Sharpa Wave et 35,9 % sur XHand1. Autrement dit, ajouter un simple interrupteur de contact n'apporte pas le même gain : c'est le mode d'intégration, et non la présence ou l'absence de tactile, qui domine le résultat. À noter : ces chiffres sont tous rapportés par l'équipe, et l'article ne mentionne ni reproduction par un tiers ni évaluation indépendante.

Intégration et évaluation

Les règles de décision ci-dessous, au nombre de trois, relèvent de recommandations et d'analyses conditionnelles fondées sur le contenu du rapport ; ce ne sont pas des conclusions factuelles du rapport lui-même. Décision 1 (recommandation) : réutiliser LingBot-Touch comme encodeur tactile partagé, ou continuer à entraîner un encodeur dédié par modèle d'action. Le changement rapporté correspondant est la possibilité de brancher la même représentation pré-entraînée sur quatre architectures, Diffusion Policy, π0.5, LingBot-VLA et T-Rex, avec, selon le rapport, une hausse générale du taux de réussite moyen sur robots réels. La condition préalable est stricte : vos capteurs tactiles doivent appartenir aux trois familles couvertes (piézorésistive, magnétique ou vision-tactile) ; le rapport précise que le pré-entraînement ne couvre pas encore les capteurs capacitifs, et la validation sur robots réels ne porte que sur les deux mains dextres Sharpa Wave et XHand1. Les équipes dont la structure des doigts ou la solution de capteurs diffère nettement ne peuvent pas transposer directement cette conclusion de réutilisation. Critère mesurable : sur votre propre jeu de tâches réelles, comparer l'encodeur gelé à votre base tactile existante (par exemple des caractéristiques tactiles issues d'un CNN entraîné en interne) sur les mêmes tâches, en consignant l'écart de taux de réussite et l'erreur de prédiction de force de contact ; l'ordre de grandeur de référence donné par le rapport est une erreur moyenne de force de contact ramenée de 2,31 N avec FTP-1 à 0,81 N sur la même tâche et la même plateforme, mais ce sont vos propres mesures qu'il vous faut, pas la répétition de ces chiffres. Avant de commencer, vérifiez aussi une chose : la disposition de vos points de mesure peut-elle être projetée sur le repère cartésien unifié et l'adresse de token à cinq dimensions décrits dans le rapport ? Sans cette projection, toute réutilisation ultérieure est hors de portée. Décision 2 (recommandation, pour les équipes qui entraînent ou poursuivent le pré-entraînement) : consacrer le prochain cycle de ressources à l'échelle des données ou à la capacité du modèle. Le changement rapporté correspondant est l'expérience de mise à l'échelle : lorsque les données de pré-entraînement passent de 1 000 à 4 000 heures, HaT-Tiny progresse continuellement sur quatre dimensions, puis stagne pratiquement entre 4 000 et 5 000 heures, l'équipe concluant que la capacité du modèle commence à limiter ; avec le plus grand HaT-Small, les performances progressent encore à toutes les échelles de données. Condition préalable : disposer déjà d'un pipeline de données tactiles stable et extensible, faute de quoi il faut d'abord régler la collecte plutôt que la taille du tronc. Critère mesurable : tracer, sur un jeu d'évaluation fixe, la courbe « heures de pré-entraînement — erreur de force de contact / taux de réussite » et vérifier si un plateau apparaît ; s'il apparaît et que davantage de données n'apporte plus de gain, envisager alors d'agrandir le tronc et de retracer la même courbe pour comparaison. Décision 3 (recommandation, pour la planification de la collecte) : privilégier la collecte par gants humains ou la téléopération. Le changement rapporté correspondant est la structure des sources, environ deux tiers de gants et un tiers de téléopération. Condition préalable : votre matériel cible est-il le même modèle que celui du système de téléopération ? Sinon, la valeur d'adaptation de la partie téléopérée à un corps spécifique diminue. Critère mesurable : après transfert de la même représentation sur une seconde main dextre, observer la baisse du taux de réussite moyen ; une baisse faible indique une part transférable élevée de la représentation et une valeur marginale plus grande des données de gants.

Limites et points à confirmer

Premièrement, lors de la vérification du catalogue effectuée le 12 novembre 2026, LingBot-Touch n'apparaissait pas dans le catalogue de modèles de KimiSeek, et le rapport ne mentionne ni API ni tarif ; la page projet, les dépôts de code, Hugging Face et ModelScope cités dans le rapport sont tous publiés par le fournisseur. Toute affirmation sur la disponibilité du modèle ou sur ses modalités d'intégration doit donc être vérifiée auprès des canaux du fournisseur (Ant Group Lingbo/Robbyant), et non sur ce site. Deuxièmement, le rapport ne mentionne à aucun moment les termes de licence : « page de poids visible publiquement » et « utilisable commercialement » sont deux choses distinctes, et il faut vérifier soi-même la licence avant tout déploiement. Troisièmement, la validation sur robots réels ne couvre que les deux mains dextres Sharpa Wave et XHand1, les données de pré-entraînement ne couvrent pas les capteurs capacitifs, et le rapport reconnaît lui-même que davantage de morphologies de robots, d'environnements complexes et de tâches longues nécessiteraient des expériences plus larges. Quatrièmement, tous les taux de réussite, erreurs et chiffres comparatifs proviennent de l'équipe elle-même, et l'article ne mentionne aucune reproduction par un tiers ; les détails d'implémentation et le budget de réglage de FTP-1, utilisé comme base de comparaison, ne sont pas précisés dans le rapport, si bien que l'équité de la comparaison horizontale ne peut être confirmée à partir du rapport. Cinquièmement, les données de téléopération n'ont été collectées que sur le système à deux bras équipé de Sharpa Wave, et l'ampleur des différences de distribution entre corps robotiques n'est pas quantifiée dans le rapport. Sixièmement, le nombre de paramètres du modèle, les ressources de calcul nécessaires à l'entraînement et à l'inférence, ainsi que la latence d'inférence ne sont pas divulgués dans le rapport ; le coût de déploiement ne peut donc pas être estimé à partir des informations publiques. Ces points ne contredisent ni les faits rapportés ni les recommandations du corps de l'article : les chiffres de performance y sont toujours présentés comme issus du rapport, et le présent paragraphe précise ce qui reste absent au-delà de ces chiffres.

Trois minutes jusqu’au premier appel

Créez un compte et une clé API. Le coût des appels est déduit de votre solde. 30 % de réduction sur la première recharge. Rechargez ¥500, payez ¥350, recevez ¥500 de crédit. Rechargez ¥1000, payez ¥850, recevez ¥1000 de crédit Vous pouvez toujours commencer par une recharge d’essai de ¥10.

Sources et méthode éditoriale

Fable 5.2 吃掉机器人?「手感」这块,还得靠具身原生基模来补全

L’IA a assisté l’analyse et la traduction des sources citées, suivies de contrôles automatiques. Les conseils ne sont pas des résultats de tests. Consultez le catalogue actuel pour les prix et la disponibilité.