Mercado

Robbyant publica en código abierto LingBot-Touch, un modelo táctil entrenado con unas 5000 horas de datos, con mejoras declaradas de 14 a 26 puntos en cuatro políticas

Robbyant (Ant Group) abre LingBot-Touch, entrenado con 4983 h de datos táctiles. Declara mejoras de 14 a 26 puntos en cuatro políticas y dos manos robóticas.

Por ·

Robbyant, la unidad de IA encarnada de Ant Group, publicó LingBot-Touch en código abierto el 10 de noviembre: un modelo que convierte las señales de tres tipos de sensores táctiles en tokens táctiles comunes para políticas de robots. Se preentrenó con unas 4983 horas de grabaciones táctiles, cerca de dos tercios de operadores con guantes con sensores. En 26 tareas reales con dos manos diestras, la empresa declara mejoras medias de éxito de unos 14 a 26 puntos frente a una base sin tacto, repartidas en cuatro políticas y no solo para π0.5.

Lo esencial

Cómo se obtuvieron las cifras

Las 26 tareas se dividen entre una instalación de doble brazo Sharpa Wave (20) y una XHand1 (6), según Humanoids Daily. Cada política se posentrenó sin tacto, con señales táctiles en bruto y con tokens congelados de LingBot-Touch; las señales en bruto ganaron como mucho la mitad y a veces redujeron el éxito. Los rangos son, por tanto, una media de cuatro políticas y dos manos, no una cifra por política. Interesting Engineering cita una prueba de destapar una botella donde el éxito pasó de 56,25 % a 90 %.

Límites que señalan los autores

Solo se probaron dos manos en robots reales, los sensores capacitivos no estaban en el preentrenamiento y la cobertura se centra en las yemas, así que palma y laterales están infrarrepresentados, según Humanoids Daily. Los resultados proceden de la evaluación del desarrollador. Humanoids Daily también revela que Robbyant le pagó un hilo patrocinado aparte, aunque dice que su artículo se hizo de forma independiente.

Lo que no está establecido

Tabla resumen

Tabla resumen
PuntoLo que se afirma a 7 de noviembre de 2026Fuente
PublicaciónCódigo abierto el 10 de noviembre de 2026, Apache 2.0, código y pesos en GitHub y Hugging FaceHumanoids Daily
Datos de entrenamientoUnas 4983 horas de grabaciones táctiles, dos tercios con guantes con sensoresHumanoids Daily
Pruebas en robots reales26 tareas, dos manos diestras, cuatro políticasHumanoids Daily
Mejora informadaUnos 14 a 26 puntos de media (13,9 a 24,8 en cifras precisas)Interesting Engineering
Tamaño del modeloVersión Tiny de unos 5,3 a 5,5 millones de parámetros; las fuentes difieren algoInteresting Engineering

Preguntas frecuentes

¿LingBot-Touch mejora π0.5 en 14 a 26 puntos?

No por sí solo: el rango cubre mejoras medias de cuatro políticas y dos manos, entre ellas π0.5.

¿Los datos son reales o simulados?

Las 4983 horas son grabaciones táctiles, dos tercios de operadores con guantes con sensores y el resto de robots teleoperados.

¿Puede usarlo cualquiera?

Código y pesos se publican con licencia Apache 2.0 en GitHub y Hugging Face.

Método y límites

Comprobado el 16 de noviembre de 2026. Leímos directamente la página de Humanoids Daily; Interesting Engineering y el comunicado de Korea Newswire se vieron mediante extractos de búsqueda. No leímos el informe técnico.

Fuentes

¿Ha detectado un error en este artículo? Comuníquenoslo · Nuestra política de correcciones

Logotipo de OrigoTech

Novedad: la app iPhone y iPad

OrigoTech ya es una app para iPhone y iPad

Lee los artículos de forma nativa, con marcas «Nuevo» en los no leídos, búsqueda local y lectura sin conexión de lo que ya cargaste. Gratis, sin cuenta, iOS 17 o posterior; hay anuncios entre artículos.

Icono de Rekha: una casa dibujada de un solo trazo

Del mismo autor Autopromoción

Un camino euleriano, dibujado con el dedo

Rekha, el juego para iPhone del autor de OrigoTech: conecte todos los puntos de un solo trazo sin recorrer dos veces el mismo enlace, a lo largo de 500 dibujos que tienen solución.

El boletín de OrigoTech

Un resumen semanal con fuentes de las novedades de las herramientas de IA.

Seguir leyendo