← Todas as notícias

Ant Lingbo lança modelo tátil de base LingBot-Touch: quase 5.000 horas de dados e uma representação para quatro modelos de ação

Segundo o Machine Heart em 10 de novembro de 2026, a Ant Lingbo lançou o modelo tátil de base LingBot-Touch, que unifica sensores táteis magnéticos, piezoelétricos resistivos e visuais-táteis com 4.983 horas de dados táteis reais; o relato afirma que a mesma representação pré-treinada, ao ser integrada a Diffusion Policy, π0.5, LingBot-VLA e T-Rex, elevou a taxa de sucesso em robôs reais.

Publicado Atualizado

O que mudou

Segundo o Machine Heart em 10 de novembro de 2026, a Ant Lingbo lançou naquele dia o modelo tátil de base LingBot-Touch. O relato usa como introdução o desempenho de 64,9% do Fable 5.2, da Anthropic, em demonstrações de manipulação robótica e no benchmark RoboDojo, para em seguida concentrar-se na ideia de que "uma demonstração bem-sucedida não equivale a capacidade genérica de manipulação física", defendendo que o "tato" refinado ainda precisa de modelos nativos do corpo. O relato afirma que a equipe coletou 4.983 horas de dados táteis reais para o LingBot-Touch, abrangendo 464.431 segmentos de interação, cerca de 1,33 bilhão de quadros, cobrindo três tipos de sensores: piezoelétricos resistivos, táteis magnéticos e visuais-táteis; cerca de dois terços dos dados vieram de operadores humanos usando luvas táteis, e um terço de um sistema de teleoperação de braço duplo equipado com a mão hábil Sharpa Wave. O modelo usa uma estrutura de codificação multirramo com tronco compartilhado: cada um dos três tipos de sensor tem seu próprio tokenizador leve, e os tokens táteis convertidos entram no mesmo Haptic Transformer; a equipe estabeleceu um sistema de coordenadas geométricas unificado para as pontas dos dedos, fazendo com que cada token tátil carregue um endereço de cinco dimensões composto por índice de janela temporal, número do dedo e coordenadas tridimensionais, para lidar com diferenças entre sensores no número de pontos de medição, layout e taxa de amostragem. O treinamento segue a linha do JEPA, que a equipe chama de Tactile-JEPA, fazendo previsão de oclusão no espaço latente em vez de reconstruir o sinal original, sob o argumento de que grande parte do tempo nos dados táteis não há contato, e o sinal de fundo próximo de zero dispersaria o objetivo de reconstrução. O relato apresenta a validação downstream em três camadas: cinco tarefas de compreensão tátil com codificador congelado, 26 tarefas em robôs reais nas duas mãos hábeis Sharpa Wave e XHand1, e 12 tarefas em simulação. O relato afirma que, usando apenas 1.000 horas de dados de pré-treinamento, o modelo atinge erro de previsão de força de contato inferior a 2 N na faixa de 30 a 50 N nas pontas dos dedos, localização do centro de contato em nível submillimétrico e erro de estimativa de área de contato inferior a 2%. Na parte de robôs reais, o relato afirma que, ao integrar o LingBot-Touch como módulo adicional de representação tátil aos quatro modelos de ação Diffusion Policy, π0.5, LingBot-VLA e T-Rex para pós-treinamento downstream, a taxa de sucesso média subiu em geral, por exemplo, o π0.5 no Sharpa Wave passou de 47,56% para 68,58%, e o LingBot-VLA de 45,60% para 72,51%; no XHand1, o π0.5 passou de 49,71% para 74,17%. O relato também traz dados comparativos com o FTP-1 e experimentos de escala com dados de pré-treinamento de 1.000 para 5.000 horas. O relato lista canais de publicação como página do projeto, relatório técnico, GitHub, Hugging Face e comunidade ModelScope, mas o texto não menciona termos de licença, nem API ou preço.

Impacto para desenvolvedores

O significado disso para desenvolvedores é completamente diferente do lançamento de mais um grande modelo com API, e precisa ser visto em três camadas. A primeira camada é "ainda é preciso fazer meu próprio codificador tátil?". A alegação central do relato é que a representação tátil pode ser reutilizada entre sensores e entre modelos de ação: a mesma representação pré-treinada, integrada aos quatro modelos de política, eleva a taxa de sucesso média, sem a necessidade de retreinar um codificador tátil para cada modelo de ação. Se essa alegação se sustentar no seu próprio hardware, o que se economiza não é um treinamento, mas o trabalho de adaptação que teria de ser refeito a cada troca de mão hábil ou sensor. O relato afirma que o LingBot-VLA já havia validado "um cérebro, várias máquinas", e o LingBot-Touch leva a mesma ideia à modalidade tátil, mais difícil de unificar. A segunda camada é a estrutura de custo dos dados. A proporção de fontes divulgada pelo relato (cerca de dois terços de humanos usando luvas, um terço de teleoperação) aponta para um caminho de coleta que não depende do corpo do robô: a operação humana cotidiana já acumula experiência de contato, e a teleoperação complementa a interação real no hardware específico. Para equipes sem muitas horas de máquina real, essa proporção em si é uma estratégia de coleta discutível, não apenas um detalhe de treinamento. A terceira camada é o critério de avaliação. No relato, "integrar o tato melhora" e "a qualidade da representação tátil determina o quanto melhora" são duas conclusões diferentes: na parte de simulação, o relato afirma que políticas usando apenas sinal de contato binário ou sem entrada tátil tiveram 0% de sucesso na tarefa de equilíbrio de esfera, enquanto o LingBot-Touch obteve 67,7% e 35,9% no Sharpa Wave e no XHand1, respectivamente. Isso significa que simplesmente adicionar um interruptor de contato não traz o mesmo ganho; a forma de integração, e não "ter ou não tato", domina o resultado. Vale lembrar que todos esses números são autorreportados pela equipe, e o relato não menciona reprodução por terceiros ou avaliação independente.

Integração e avaliação

As duas ou mais regras de decisão a seguir são recomendações e análises condicionais baseadas no conteúdo do relato, não conclusões factuais do próprio relato. Decisão um (recomendação): tratar o LingBot-Touch como codificador tátil compartilhado reutilizável ou continuar treinando um codificador dedicado para cada modelo de ação. A mudança correspondente no relato é que a mesma representação pré-treinada pode ser integrada às quatro arquiteturas Diffusion Policy, π0.5, LingBot-VLA e T-Rex, e o relato afirma que a taxa de sucesso média em robôs reais subiu em geral. A pré-condição é rígida: seu sensor tátil precisa pertencer às três categorias cobertas pelo relato — piezoelétrico resistivo, tátil magnético ou visual-tátil —, pois o relato afirma explicitamente que o pré-treinamento ainda não cobre sensores capacitivos, e a validação em robôs reais só ocorreu nas duas mãos hábeis Sharpa Wave e XHand1; equipes com estrutura de dedos e solução de sensor muito diferentes não podem aplicar diretamente essa conclusão de reutilização. Critério de avaliação mensurável: no seu próprio conjunto de tarefas em robôs reais, comparar o codificador congelado com a linha de base tátil existente (por exemplo, características táteis de uma CNN treinada internamente) na mesma tarefa, registrando a diferença de taxa de sucesso e o erro de previsão de força de contato; a ordem de grandeza de referência dada pelo relatório é a redução do erro médio de força de contato na mesma tarefa e plataforma de 2,31 N no FTP-1 para 0,81 N, mas o que você precisa são os números coletados por você, não repetir esses números. Além disso, antes de começar, confirme uma coisa: o layout dos pontos de medição do seu sensor pode ser mapeado para o sistema de coordenadas cartesianas unificado e o endereço de token de cinco dimensões descritos no relato; se não puder, toda a reutilização posterior fica inviável. Decisão dois (recomendação, para equipes que treinam ou continuam o pré-treinamento por conta própria): no próximo ciclo de recursos, investir em escala de dados ou em capacidade do modelo. A mudança correspondente no relato é o experimento de escala — ao aumentar os dados de pré-treinamento de 1.000 para 4.000 horas, o HaT-Tiny melhorou continuamente em quatro dimensões, e entre 5.000 e 4.000 horas ficou basicamente estável, com a equipe concluindo que a capacidade do modelo começava a ser o limite; trocando para o HaT-Small, maior, houve melhora adicional em todas as escalas de dados. Pré-condição: você já tem um pipeline de dados táteis estável e escalável; caso contrário, deve resolver a coleta antes do tamanho do tronco. Critério mensurável: traçar no conjunto de avaliação fixo a curva "horas de pré-treinamento — erro de força de contato/taxa de sucesso" e ver se já apareceu um platô; se o platô apareceu e adicionar dados não traz ganho, então considere aumentar o tronco e refazer a mesma curva para comparação. Decisão três (recomendação, para planejamento de coleta de dados): priorizar coleta com luvas humanas ou coleta por teleoperação. A mudança correspondente no relato é a estrutura de fontes de dados, com cerca de dois terços de luvas e um terço de teleoperação. Pré-condição: seu hardware-alvo é o mesmo modelo do sistema de teleoperação? Se não for, o valor de adaptação da parte de teleoperação a um corpo específico diminui. Critério mensurável: ao transferir a mesma representação para uma segunda mão hábil, observar a queda da taxa de sucesso média; uma queda pequena indica que a parte transferível da representação é grande, e o valor marginal dos dados de luva é maior.

Limites e pontos a confirmar

Primeiro, nesta verificação de catálogo (12 de novembro de 2026), o LingBot-Touch não aparece no catálogo de modelos do KimiSeek, e o relato não menciona nenhuma API ou preço; a página do projeto, o repositório de código, o Hugging Face e a comunidade ModelScope fornecidos pelo relato são todos publicados pela própria fabricante, e qualquer afirmação sobre se o modelo pode ser obtido e como integrá-lo deve se basear nos canais da fabricante (Ant Lingbo/Robbyant), não neste site. Segundo, o relato não menciona termos de licença em momento algum; "página de pesos visível publicamente" e "uso comercial permitido" são duas coisas diferentes, e a licença deve ser verificada por conta própria antes da implantação. Terceiro, a validação em robôs reais cobre apenas as duas mãos hábeis Sharpa Wave e XHand1, e os dados de pré-treinamento não cobrem sensores capacitivos; o próprio relato admite que mais formas de robô, ambientes complexos e tarefas de longo prazo exigem experimentos mais amplos. Quarto, todas as taxas de sucesso, erros e números comparativos são autorreportados pela equipe, e o relato não menciona reprodução por terceiros; como linha de base de comparação, o FTP-1 tem detalhes de implementação e orçamento de ajuste de hiperparâmetros não explicados no relato, e a justiça da comparação horizontal não pode ser confirmada a partir do relato. Quinto, os dados de teleoperação foram coletados apenas no sistema de braço duplo equipado com o Sharpa Wave, e o relato não quantifica o tamanho da diferença de distribuição de dados entre corpos. Sexto, o número de parâmetros do modelo, a computação necessária para treinamento e inferência e a latência de inferência não são divulgados no relato, e o custo de implantação não pode ser estimado a partir de informações públicas no momento. Os pontos acima não entram em conflito com os fatos e recomendações do relato no corpo do texto: os números de desempenho no corpo são sempre marcados como valores do relato, e este parágrafo explica o que ainda falta além desses números.

Três minutos até a primeira chamada

Crie uma conta e uma chave de API. O custo das chamadas é descontado do seu saldo. 30% de desconto na primeira recarga. Recarregue ¥500, pague ¥350, receba ¥500 de saldo. Recarregue ¥1000, pague ¥850, receba ¥1000 de saldo A recarga mínima continua sendo ¥10, adequada para testes.

Fontes e processo 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

A IA auxiliou a análise e a tradução das fontes citadas, seguidas de verificações automáticas. Recomendações não são resultados de testes. Consulte o catálogo atual para preços e disponibilidade.