市場
Robbyant、約5000時間の触覚データで学習した触覚モデルLingBot-Touchをオープンソース化 4つのポリシーで14~26ポイントの向上と自社報告
アント・グループのRobbyantが、4,983時間の触覚データで学習したLingBot-Touchを公開。2本のロボットハンドと4つのポリシーで14~26ポイント向上と自社報告。
アント・グループの身体性AI部門Robbyantは11月10日、3種類の触覚センサーの信号をロボット用の共通の触覚トークンに変換するモデルLingBot-Touchをオープンソースで公開した。約4,983時間の触覚記録で事前学習し、そのおよそ3分の2はセンサーグローブを着けた人間の操作者によるものだ。2本の器用なハンドによる26件の実機タスクで、同社は触覚なしの基準に比べ平均成功率が約14~26ポイント上がったと報告するが、これはπ0.5だけでなく4つのポリシー全体の範囲だ。
要点
- モデル:磁気式、視触覚式、圧抵抗式のセンサーに対応する単一のエンコーダー。Apache 2.0で公開(Humanoids Daily)。
- データ:約4,983時間の触覚記録。3分の2はセンサーグローブを着けた操作者によるもの(Humanoids Daily)。
- 結果:Diffusion Policy、π0.5、LingBot-VLA、T-Rexで、触覚なしの基準に対し平均成功率が13.9~24.8ポイント上昇。プレスリリースは14~26に丸める(Humanoids Daily)。
- コスト:トークンによるポリシーのパラメーター増は約0.13~0.16%(Humanoids Daily)。
数字の出し方
Humanoids Dailyによれば、26タスクは双腕Sharpa Wave構成(20件)とXHand1構成(6件)に分かれる。各ポリシーは、触覚なし、生の触覚信号、凍結したLingBot-Touchトークンの3通りで追加学習され、生の信号の改善はせいぜいその半分程度で、成功率が下がる場合もあった。したがって範囲は4つのポリシーと2本のハンドの平均であり、ポリシー別の数字ではない。Interesting Engineeringは、ボトルのキャップ開けテストで成功率が56.25%から90%に上がったと伝える。
著者が認める限界
Humanoids Dailyによれば、実機で試したのは2本のハンドのみで、静電容量式センサーは事前学習に含まれず、指先中心のため手のひらや指の側面の接触は少ない。結果は開発者自身の評価によるものだ。Humanoids Dailyは、Robbyantから別のスポンサー付きスレッドの対価を受けたことも開示し、自社の記事は独立して作成したとしている。
確立されていない点
- 改善の独立した再現:見つからず。
- 静電容量式など3種類以外のセンサーでの性能:未検証。
- 14~26の範囲のうちπ0.5単独の値:読んだ情報源では分離されていない。
- 試した2本以外のロボットハンドでの改善:未提示。
比較表
| 項目 | 2026年11月7日時点で示されている内容 | 出典 |
|---|---|---|
| 公開 | 2026年11月10日にオープンソース化。Apache 2.0、コードと重みはGitHubとHugging Face | Humanoids Daily |
| 学習データ | 約4,983時間の触覚記録。3分の2はセンサーグローブ | Humanoids Daily |
| 実機テスト | 26タスク、2本の器用なハンド、4つのポリシー | Humanoids Daily |
| 報告された向上 | 平均で約14~26ポイント(精密な値は13.9~24.8) | Interesting Engineering |
| モデルサイズ | Tiny版は約530万~550万パラメーター。情報源でわずかに差 | Interesting Engineering |
よくある質問
LingBot-Touchはπ0.5を14~26ポイント改善しますか
単独ではありません。範囲は4つのポリシーと2本のハンドの平均で、π0.5はその一部です。
データは実データですか、シミュレーションですか
4,983時間は触覚の記録で、3分の2はセンサーグローブの操作者、残りは遠隔操作ロボットによるものです。
誰でも使えますか
コードと重みはApache 2.0でGitHubとHugging Faceに公開されています。
方法と限界
2026年11月16日に確認。Humanoids Dailyのページは直接読み、Interesting EngineeringとKorea Newswireのリリースは検索の抜粋で確認した。技術報告書は読んでいない。