一说起人形机器人，总是有很多争论。昨晚在成都，和同学聊天，他说吹牛吹半天，机器人还在原地踏步。一年过去了，你看让它做个家务，笨手笨脚的，成功率也不高。

我说，肯定不能这么讲。

就像当年莱特兄弟发明飞机之前，对于普通老百姓来说，只要飞机还飞不起来，那就意味着这项技术没什么进展。但实际上肯定不是这样。

现在的机器人其实也类似。如果深入到技术层面，你会发现，就今年这一年，很多关键环节都出现了不少重要的技术突破。

我平时比较喜欢关注具身智能，特别是具身模型的进展。我的感受是，这个领域的发展还是越来越明朗，只是很多技术进步，还没有完全反映到最终的产品体验上。

比如这周，不知道大家有没有关注到，蚂蚁灵波又发布了一个新模型，叫 LingBot-Touch，专门处理机器人的触觉感知。

这个模型在触觉感知上有很大的突破。

因为现在机器人的触觉传感器五花八门，不同硬件采集的数据很难放在一起训练。LingBot-Touch 可以让不同传感器积累的触觉数据，放到同一个模型里学习。

这样，随着数据规模不断扩大，模型对触觉的理解能力就能快速提升。毕竟触觉对于机器人完成精细操作来说，实在太重要了。

LingBot-Touch 相当于，专门训练一个通用的触觉基础模型，把不同传感器采集的数据放在一起学习，从中提取大家共同需要的接触信息，那么过去积累的触觉数据和能力，就可以在不同硬件之间复用。

这样一来，机器人厂商可以继续使用自己的灵巧手，动作模型也可以选择不同的技术方案，但大家都能利用这个预训练模型已经学到的触觉能力。

那这个模型的实际效果怎么样呢？蚂蚁灵波做了一组对照实验。

第一组，完全不用触觉。机器人只依靠视觉和自身状态等信息来完成任务。

第二组，给机器人增加触觉信息，但直接把传感器采集的原始信号交给动作模型。

第三组，同样使用触觉信息，但先经过 LingBot-Touch 处理，再把得到的触觉特征交给动作模型。

结果，四种动作模型，在两款灵巧手上的平均任务得分，都是第三组最高。按照论文汇总的 26 组任务结果，与完全不用触觉相比，接入 LingBot-Touch 之后，四种动作模型的平均得分分别提高了大约 14 到 25 个百分点。

同样的机器人，同样的触觉传感器，只是处理触觉信息的方式不同，结果就有这么大的差距。

#人形机器人 #具身智能 #蚂蚁灵波