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.

Von ·

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

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

Übersichtstabelle

Übersichtstabelle
PunktWas Stand 7. November 2026 behauptet wirdQuelle
VeröffentlichungOpen Source am 10. November 2026, Apache 2.0, Code und Gewichte auf GitHub und Hugging FaceHumanoids Daily
TrainingsdatenRund 4983 Stunden Tastaufnahmen, zwei Drittel mit SensorhandschuhenHumanoids Daily
Tests auf echten Robotern26 Aufgaben, zwei geschickte Hände, vier PoliciesHumanoids Daily
Berichteter GewinnEtwa 14 bis 26 Punkte im Mittel (13,9 bis 24,8 in genauen Zahlen)Interesting Engineering
ModellgrößeTiny-Version mit etwa 5,3 bis 5,5 Millionen Parametern; Quellen weichen leicht abInteresting 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

Einen Fehler in diesem Artikel entdeckt? Melden Sie ihn · Unsere Korrekturrichtlinie

OrigoTech-Logo

Neu: die App iPhone und iPad

OrigoTech ist jetzt eine App für iPhone und iPad

Lies die Artikel nativ, mit „Neu“-Markierungen für Ungelesenes, lokaler Suche und Offline-Lesen bereits geladener Artikel. Kostenlos, ohne Konto, ab iOS 17; zwischen den Artikeln erscheint Werbung.

Rekha-Symbol: ein in einem Strich gezeichnetes Haus

Vom selben Autor Eigenwerbung

Ein Eulerpfad, mit dem Finger gezeichnet

Rekha, das iPhone-Spiel des Autors von OrigoTech: Verbinden Sie alle Punkte in einem einzigen Strich, ohne dieselbe Verbindung zweimal zu ziehen, in 500 Zeichnungen, die alle lösbar sind.

Der OrigoTech-Newsletter

Ein wöchentlicher, mit Quellen belegter Überblick über die Neuigkeiten zu KI-Werkzeugen.

Weiterlesen