Mercato

Robbyant rilascia in open source LingBot-Touch, un modello tattile addestrato su circa 5000 ore di dati, con guadagni dichiarati di 14-26 punti su quattro policy

Robbyant (Ant Group) apre LingBot-Touch, addestrato su 4983 ore di dati tattili. Dichiara guadagni di 14-26 punti su quattro policy e due mani robotiche.

Di ·

Robbyant, l’unità di IA incarnata di Ant Group, ha rilasciato LingBot-Touch in open source il 10 novembre: un modello che converte i segnali di tre tipi di sensori tattili in token tattili comuni per le policy dei robot. È stato preaddestrato su circa 4983 ore di registrazioni tattili, circa due terzi da operatori con guanti a sensori. Su 26 compiti reali con due mani destre, l’azienda dichiara guadagni medi di successo di circa 14-26 punti rispetto a una base senza tatto, distribuiti su quattro policy e non solo per π0.5.

L'essenziale

Come sono stati ottenuti i numeri

I 26 compiti sono divisi tra un’installazione a doppio braccio Sharpa Wave (20) e una XHand1 (6), secondo Humanoids Daily. Ogni policy è stata post-addestrata senza tatto, con segnali tattili grezzi e con token congelati di LingBot-Touch; i segnali grezzi guadagnavano al massimo circa la metà e talvolta riducevano il successo. Gli intervalli sono quindi una media su quattro policy e due mani, non un dato per policy. Interesting Engineering cita un test di svitamento di un tappo in cui il successo passa dal 56,25% al 90%.

I limiti dichiarati dagli autori

Solo due mani sono state provate su robot reali, i sensori capacitivi erano assenti dal preaddestramento e la copertura si concentra sui polpastrelli, quindi palmo e lati sono sottorappresentati, secondo Humanoids Daily. I risultati vengono dalla valutazione dello sviluppatore. Humanoids Daily precisa anche che Robbyant lo ha pagato per un thread sponsorizzato separato, pur dicendo che il suo articolo è indipendente.

Che cosa non è accertato

Tabella riassuntiva

Tabella riassuntiva
PuntoChe cosa risulta al 7 novembre 2026Fonte
RilascioOpen source il 10 novembre 2026, Apache 2.0, codice e pesi su GitHub e Hugging FaceHumanoids Daily
Dati di addestramentoCirca 4983 ore di registrazioni tattili, due terzi con guanti a sensoriHumanoids Daily
Test su robot reali26 compiti, due mani destre, quattro policyHumanoids Daily
Guadagno riportatoCirca 14-26 punti in media (13,9-24,8 in cifre precise)Interesting Engineering
Dimensione del modelloVersione Tiny di circa 5,3-5,5 milioni di parametri; le fonti differiscono un pocoInteresting Engineering

FAQ

LingBot-Touch migliora π0.5 di 14-26 punti?

Non da solo: l’intervallo copre i guadagni medi su quattro policy e due mani, π0.5 compreso.

I dati sono reali o simulati?

Le 4983 ore sono registrazioni tattili, due terzi di operatori con guanti a sensori e il resto di robot teleoperati.

Chiunque può usarlo?

Codice e pesi sono rilasciati con licenza Apache 2.0 su GitHub e Hugging Face.

Metodo e limiti

Verificato il 16 novembre 2026. Abbiamo letto direttamente la pagina di Humanoids Daily; Interesting Engineering e il comunicato di Korea Newswire sono stati visti tramite estratti di ricerca. Non abbiamo letto il rapporto tecnico.

Fonti

Avete notato un errore in questo articolo? Segnalatelo · La nostra politica sulle correzioni

Logo di OrigoTech

Novità: l’app iPhone e iPad

OrigoTech è ora un’app per iPhone e iPad

Leggi gli articoli in modo nativo, con indicatori «Nuovo» sui non letti, ricerca locale e lettura offline di ciò che hai già caricato. Gratis, senza account, iOS 17 o successivo; tra gli articoli compaiono annunci.

Icona di Rekha: una casetta disegnata con un solo tratto

Dello stesso autore Autopromozione

Un cammino euleriano, tracciato con il dito

Rekha, il gioco per iPhone dell'autore di OrigoTech: collegate tutti i punti con un solo tratto senza ripassare due volte sullo stesso collegamento, in 500 disegni tutti risolvibili.

La newsletter di OrigoTech

Un riepilogo settimanale, con fonti, delle novità sugli strumenti di IA.

Da leggere ora