Marché
Robbyant publie en open source LingBot-Touch, un modèle tactile entraîné sur environ 5 000 heures de données, avec des gains déclarés de 14 à 26 points sur quatre politiques
Robbyant (Ant Group) ouvre LingBot-Touch, entraîné sur 4 983 h de données tactiles. Gains déclarés de 14 à 26 points sur quatre politiques.
Robbyant, l’unité d’IA incarnée d’Ant Group, a publié LingBot-Touch en open source le 10 novembre : un modèle qui convertit les signaux de trois types de capteurs tactiles en jetons tactiles communs pour les politiques de robots. Il a été pré-entraîné sur environ 4 983 heures d’enregistrements tactiles, dont environ deux tiers par des opérateurs portant des gants à capteurs. Sur 26 tâches réelles avec deux mains dextres, l’entreprise déclare des gains moyens de succès d’environ 14 à 26 points par rapport à une base sans toucher, répartis sur quatre politiques et non pour π0.5 seul.
L'essentiel
- Le modèle : un encodeur unique pour capteurs magnétiques, visuo-tactiles et piézorésistifs, sous licence Apache 2.0, selon Humanoids Daily.
- Les données : environ 4 983 heures d’enregistrements tactiles, dont deux tiers par des opérateurs portant des gants à capteurs, selon Humanoids Daily.
- Le résultat : de 13,9 à 24,8 points de succès moyen par rapport à une base sans toucher pour Diffusion Policy, π0.5, LingBot-VLA et T-Rex, selon Humanoids Daily ; le communiqué arrondit à 14–26.
- Le coût : les jetons n’ajoutent qu’environ 0,13 à 0,16 % aux paramètres d’une politique, selon Humanoids Daily.
Comment les chiffres ont été produits
Les 26 tâches se répartissent entre une installation bras-double Sharpa Wave (20) et une installation XHand1 (6), selon Humanoids Daily. Chaque politique a été post-entraînée sans toucher, avec les signaux tactiles bruts et avec les jetons figés de LingBot-Touch ; les signaux bruts gagnaient au plus environ moitié moins et réduisaient parfois le succès. Les fourchettes sont donc une moyenne sur quatre politiques et deux mains, pas un chiffre par politique. Interesting Engineering cite un test de dévissage de bouchon où le succès passe de 56,25 % à 90 %.
Les limites énoncées par les auteurs
Seules deux mains ont été testées sur robots réels, les capteurs capacitifs étaient absents du pré-entraînement et la couverture se concentre sur le bout des doigts, donc la paume et les côtés sont sous-représentés, selon Humanoids Daily. Les résultats viennent de l’évaluation du développeur. Humanoids Daily précise aussi que Robbyant l’a payé pour un fil sponsorisé distinct, tout en disant que son article a été produit de façon indépendante.
Ce qui n'est pas établi
- Une réplication indépendante des gains : aucune trouvée.
- Les performances avec des capteurs hors des trois familles, comme les capacitifs : non testées.
- Ce que vaut la fourchette 14–26 pour π0.5 seul : non isolé dans les sources lues.
- Les gains sur d’autres mains robotiques que les deux testées : non montrés.
Tableau récapitulatif
| Point | Ce qui est affirmé au 7 novembre 2026 | Source |
|---|---|---|
| Publication | Open source le 10 novembre 2026, Apache 2.0, code et poids sur GitHub et Hugging Face | Humanoids Daily |
| Données d’entraînement | Environ 4 983 heures d’enregistrements tactiles, deux tiers par gants à capteurs | Humanoids Daily |
| Tests sur robots réels | 26 tâches, deux mains dextres, quatre politiques | Humanoids Daily |
| Gain rapporté | Environ 14 à 26 points en moyenne (13,9 à 24,8 en chiffres précis) | Interesting Engineering |
| Taille du modèle | Version Tiny d’environ 5,3 à 5,5 millions de paramètres ; les sources diffèrent légèrement | Interesting Engineering |
FAQ
LingBot-Touch améliore-t-il π0.5 de 14 à 26 points ?
Pas à lui seul : la fourchette couvre les gains moyens sur quatre politiques et deux mains, dont π0.5.
Les données sont-elles réelles ou simulées ?
Les 4 983 heures sont des enregistrements tactiles, dont deux tiers par des opérateurs avec gants à capteurs et le reste par des robots téléopérés.
Tout le monde peut-il l’utiliser ?
Code et poids sont publiés sous Apache 2.0 sur GitHub et Hugging Face.
Méthode et limites
Vérifié le 16 novembre 2026. Nous avons lu directement la page de Humanoids Daily ; Interesting Engineering et le communiqué de Korea Newswire n’ont été vus que par extraits de recherche. Nous n’avons pas lu le rapport technique.
Sources
- Humanoids Daily : Robbyant Open-Sources LingBot-Touch, One Tactile Model for Three Sensor Types (vérifié le 2026-11-08)
- Interesting Engineering : Robots gain touch with China dataset (vérifié le 2026-11-08)
- Korea Newswire : Robbyant open-sources LingBot-Touch (Business Wire release) (vérifié le 2026-11-08)
Une erreur dans cet article ? Signalez-la · Notre politique de corrections