Markt
Robbyant veröffentlicht LingBot-Touch als Open Source, ein Tastmodell mit rund 5000 Stunden Trainingsdaten und selbst berichteten Verbesserungen von 14 bis 26 Punkten
Robbyant (Ant Group) gibt LingBot-Touch frei, trainiert mit 4983 Stunden Tastdaten. Berichtet: 14 bis 26 Punkte Gewinn bei vier Policies.
Robbyant, die Embodied-AI-Einheit von Ant Group, hat LingBot-Touch am 10. November als Open Source veröffentlicht: ein Modell, das Signale von drei Arten von Tastsensoren in gemeinsame Tast-Tokens für Roboter-Policies übersetzt. Es wurde mit rund 4983 Stunden Tastaufnahmen vortrainiert, etwa zwei Drittel von Bedienern mit Sensorhandschuhen. Bei 26 realen Aufgaben mit zwei geschickten Händen berichtet das Unternehmen durchschnittliche Erfolgsgewinne von etwa 14 bis 26 Prozentpunkten gegenüber einer Basis ohne Tastsinn, verteilt auf vier Policies und nicht für π0.5 allein.
Das Wesentliche
- Das Modell: ein Encoder für magnetische, visuotaktile und piezoresistive Sensoren unter Apache 2.0, laut Humanoids Daily.
- Die Daten: rund 4983 Stunden Tastaufnahmen, zwei Drittel von Bedienern mit Sensorhandschuhen, laut Humanoids Daily.
- Das Ergebnis: 13,9 bis 24,8 Punkte mehr mittlerer Erfolg gegenüber einer Basis ohne Tastsinn bei Diffusion Policy, π0.5, LingBot-VLA und T-Rex, laut Humanoids Daily; die Mitteilung rundet auf 14–26.
- Der Preis: Die Tokens erhöhen die Parameterzahl einer Policy nur um etwa 0,13 bis 0,16 %, laut Humanoids Daily.
Wie die Zahlen entstanden
Die 26 Aufgaben verteilen sich auf einen Zweiarm-Aufbau mit Sharpa Wave (20) und einen mit XHand1 (6), laut Humanoids Daily. Jede Policy wurde ohne Tastsinn, mit rohen Tastsignalen und mit eingefrorenen LingBot-Touch-Tokens nachtrainiert; Rohsignale brachten höchstens etwa die Hälfte und senkten den Erfolg teils. Die Spannen sind also ein Mittel über vier Policies und zwei Hände, keine Zahl pro Policy. Interesting Engineering nennt einen Flaschendeckel-Test, bei dem der Erfolg von 56,25 % auf 90 % stieg.
Von den Autoren genannte Grenzen
Auf echten Robotern wurden nur zwei Hände getestet, kapazitive Sensoren fehlten im Vortraining, und die Abdeckung konzentriert sich auf die Fingerspitzen, sodass Handfläche und Fingerseiten unterrepräsentiert sind, laut Humanoids Daily. Die Ergebnisse stammen aus der Eigenbewertung des Entwicklers. Humanoids Daily legt zudem offen, dass Robbyant einen separaten gesponserten Thread bezahlt hat, und sagt, der Artikel sei unabhängig entstanden.
Was nicht belegt ist
- Eine unabhängige Replikation der Gewinne: keine gefunden.
- Leistung mit Sensortypen außerhalb der drei Familien, etwa kapazitiven: nicht getestet.
- Wie viel der Spanne 14–26 für π0.5 allein gilt: in den gelesenen Quellen nicht getrennt.
- Gewinne bei anderen Roboterhänden als den zwei getesteten: nicht gezeigt.
Übersichtstabelle
| Punkt | Was Stand 7. November 2026 behauptet wird | Quelle |
|---|---|---|
| Veröffentlichung | Open Source am 10. November 2026, Apache 2.0, Code und Gewichte auf GitHub und Hugging Face | Humanoids Daily |
| Trainingsdaten | Rund 4983 Stunden Tastaufnahmen, zwei Drittel mit Sensorhandschuhen | Humanoids Daily |
| Tests auf echten Robotern | 26 Aufgaben, zwei geschickte Hände, vier Policies | Humanoids Daily |
| Berichteter Gewinn | Etwa 14 bis 26 Punkte im Mittel (13,9 bis 24,8 in genauen Zahlen) | Interesting Engineering |
| Modellgröße | Tiny-Version mit etwa 5,3 bis 5,5 Millionen Parametern; Quellen weichen leicht ab | Interesting Engineering |
FAQ
Verbessert LingBot-Touch π0.5 um 14 bis 26 Punkte?
Nicht allein: Die Spanne umfasst mittlere Gewinne über vier Policies und zwei Hände, darunter π0.5.
Sind die Daten real oder simuliert?
Die 4983 Stunden sind Tastaufnahmen, zwei Drittel von Bedienern mit Sensorhandschuhen, der Rest von teleoperierten Robotern.
Kann es jeder nutzen?
Code und Gewichte stehen unter Apache 2.0 auf GitHub und Hugging Face.
Methode und Grenzen
Geprüft am 16. November 2026. Die Seite von Humanoids Daily haben wir direkt gelesen; Interesting Engineering und die Mitteilung von Korea Newswire sahen wir nur über Suchauszüge. Den technischen Bericht haben wir nicht gelesen.
Quellen
- Humanoids Daily: Robbyant Open-Sources LingBot-Touch, One Tactile Model for Three Sensor Types (geprüft am 2026-11-08)
- Interesting Engineering: Robots gain touch with China dataset (geprüft am 2026-11-08)
- Korea Newswire: Robbyant open-sources LingBot-Touch (Business Wire release) (geprüft am 2026-11-08)
Einen Fehler in diesem Artikel entdeckt? Melden Sie ihn · Unsere Korrekturrichtlinie