拧瓶盖这件事，对人类来说再简单不过。手指捏住瓶盖，轻轻一转，如果感觉打滑，就下意识地加一点力。整个过程不过几秒钟，人甚至意识不到自己在不断调整动作。
就是这样一个动作，却成了检验机器人智能水平的一道考题。机器人可以看见瓶盖，也知道应该怎样旋转，但手指有没有抓稳、力度是否合适、瓶盖有没有真正转动，都需要在接触过程中不断判断和调整。看似简单的拧瓶盖，实际上考验着机器人对物理世界的理解和操作能力。
有意思的是，最近有两家公司都不约而同地展示了机器人拧瓶盖的能力。
11月9日，Anthropic发布Claude Fable 5.2，展示了机器人还原魔方、拧开瓶盖等操作，让外界看到了通用大模型向真实机器人操作延伸的潜力。
几乎同时，蚂蚁集团旗下具身智能公司蚂蚁灵波发布了触觉基础模型LingBot-Touch，也让机器人尝试拧瓶盖。在实验中，在同一只Sharpa Wave灵巧手、同一种T-Rex动作模型下，不使用触觉信息，机器人拧瓶盖的成功率只有56.25%；直接输入原始触觉数据，成功率提高到62.50%；而经过LingBot-Touch模型处理后，成功率达到90%。
硬件没变，动作模型也没变，只是换了一种理解触觉信息的方式，结果就差了这么多。可见，光把触觉数据喂给机器人还不够，关键在于让它真正“读懂”接触。LingBot-Touch把让不同传感器采集的触觉信息变成机器人能够共同理解的数据，让机器人更准确地判断接触状态，甚至换了一只灵巧手，过去学到的部分“手感”还能继续用。
这一变化对机器人行业的意义，可能比单项操作成功率的提升更大。过去，机器人学到的本事往往与具体硬件绑定，换一款灵巧手，就可能需要重新采集数据、训练模型。而LingBot-Touch的突破，让部分触觉感知能力可以跨硬件复用。
与此同时，Claude Fable 5.2、GPT-6 Astra等通用大模型开始展现机器人控制能力，也让行业看到了另一种可能。未来的机器人大脑，是否可以直接建立在通用大模型之上？谁能让机器人真正掌握物理操作的规律，并将这些能力带到更多不同的身体和场景中？
蚂蚁灵波给出的答案是“具身原生”的通用大脑，将触觉、空间理解、世界预测等共同能力逐步提炼为可复用的基础模型。LingBot-Touch的发布，既为这套通用大脑补上了触觉这块关键拼图，也用跨传感器迁移实验验证了这条路线的可行性。
1.灵巧手越来越多，
如何让机器人学会共享“手感”
触觉正在成为机器人实现精细操作的关键能力，也是具身智能走向真实场景必须突破的一道门槛之一。
过去几年，机器人的视觉、运动控制和灵巧手越来越先进，但一到精密装配、柔性分拣等真实场景，依然容易出错。很多时候，问题往往出在接触的一瞬间。东西有没有抓稳、力度是否合适，机器人并不是总能给出准确判断。
为此，行业开始探索让机器人拥有可以复用的“手感”。从Meta在2024年发布的Sparsh，到2025年的AnyTouch，再到2026年的FTP-1，机器人触觉研究正从学习通用的触觉特征，逐步走向跨传感器感知和操作能力迁移。
但难点在于，灵巧手至今没有统一的硬件标准。视触觉、磁触觉、压阻式触觉等路线各有优势，采集的数据却千差万别。而硬件越来越丰富，机器人积累的接触经验却很难共享。如何从不同的触觉信号中提炼共同的物理规律，成为行业绕不开的真问题。
这正是蚂蚁灵波此次发布LingBot-Touch所瞄准的核心。它的技术思路是做统一建模的触觉基座，让不同原理的触觉传感器共享一套基础感知模型，可以理解为尝试建立一种可共享的“触觉语言”。
LingBot-Touch将磁触觉、视触觉和压阻式触觉信号分别编码，再转化为统一的触觉Token，从中提取接触位置、受力分布及其随时间变化的共同信息。
要让不同灵巧手共享“手感”，首先需要足够丰富的真实数据。
为此，蚂蚁灵波使用4983小时真实触觉数据训练LingBot-Touch，包含约46.4万段交互记录、13.3亿帧触觉信息。数据既来自遥操作的机器人灵巧手，也来自人类佩戴触觉手套完成的操作。
这些数据来自不同的身体和传感器，目的就是让模型尽可能学到接触过程中的共同规律。那么，当机器人换了一只手，这些学到的“手感”还能不能用？
实验给出了初步验证的结果。在Sharpa Wave和XHand1两款灵巧手上，研究人员使用四种不同的动作模型，完成了26项真机任务测试。结果显示，接入LingBot-Touch后，各测试组合的平均任务成功率均高于直接使用原始触觉数据的方案。其中，在XHand1的六项任务中，π0.5的平均成功率从48.00%提升至74.17%，LingBot-VLA则从57.21%提升至75.04%。
更有意思的是，LingBot-Touch训练时使用的磁触觉数据全部来自人类佩戴触觉手套采集，而XHand1采用的磁触觉传感器型号，此前并未出现在训练数据中。即使不调整LingBot-Touch的参数，只针对具体任务训练动作策略，机器人仍然取得了明显的性能提升。也就是说，LingBot-Touch本身无需重新训练，就能为一款从未“摸过”的传感器提供有效的触觉理解。
这还说明，人类操作物体时产生的接触信息，也能帮助机器人理解自己的触觉信号。而且，佩戴触觉手套就能采集数据，不必始终依赖特定机器人本体，为扩大触觉数据规模提供了新的可能。
LingBot-Touch更值得关注的价值在于，它让触觉经验不再被锁死在某一款硬件上。
这类能力一旦能够稳定复用，受益者就不只是一家模型公司。灵巧手厂商可以继续采用不同的传感器方案，动作模型开发者有机会复用基础表征，终端客户则可能减少更换设备和适配任务时的重复投入。
2.大脑路线之争，
谁能真正让机器人理解物理世界？
想要让机器人真正理解物理世界，只解决触觉是远远不够的。
空间感知、物理预测、动作控制，每一项能力都影响着机器人能否完成真实任务。可问题是，这些能力究竟应该通过什么样的模型建立起来？
最近，Fable 5.2的发布，让这个问题有了新的讨论空间。继GPT-6 Astra之后，通用大模型再次展示了控制机器人完成复杂操作的能力。那么，既然通用大模型已经能够理解任务、规划动作，甚至直接控制机器人，具身智能还需要专门的基础模型吗？
蚂蚁灵波CEO朱兴认为，通用大模型的进展值得重视。Fable 5.2、GPT-6 Astra等模型正在增强机器人的复杂任务理解和推理能力，蚂蚁灵波也在积极吸收这些成果。
但从理解任务到真正完成操作，中间还有一道物理世界的门槛。机器人需要感知接触、控制力度、应对环境变化，还要把学到的经验用到不同硬件和任务中。通用大模型可以不断拓展机器人的理解与推理能力，物理操作的泛化性却仍然是具身智能需要啃下的硬骨头。
因此，在朱兴看来，通用大模型与具身基础模型更可能形成“1+1>2”的协同关系。前者增强任务理解和推理能力，后者还要继续突破物理操作的泛化性，才能让机器人真正能够在变化的环境中完成工作。
而泛化能力的挑战，还不止于适应不同的物体和环境。机器人本身也千差万别，同样一项操作能力，换一种机械结构或传感器，可能就需要重新训练。
这也让具身基础模型的研发面临一个重要选择：究竟应该让模型与具体硬件深度适配，追求单一机器人的操作性能，还是尽可能提炼不同机器人共享的基础能力，降低跨硬件迁移的成本？
软硬一体强调模型与具体机器人的结构、传感器和控制系统深度协同，有利于针对特定硬件优化操作性能。但当机器人构型发生变化，原有模型往往需要重新适配。而软硬解耦可以让空间理解、触觉感知、物理预测等基础能力尽可能跨硬件复用，使机器人在一种身体上积累的部分经验，能够帮助另一种身体更快掌握任务。
两条路线分歧的本质，其实是物理经验的归属权。它应该沉淀在某一款机器人身上，还是成为不同机器人共享的智能资产？
触觉是一个很好的检验切口。它比视觉更依赖具体硬件，不同传感器的原理和数据格式差异明显。但LingBot-Touch在有限实验中实现了跨传感器触觉表征复用，为软硬解耦提供了有力实证。
但让不同机器人共享基础能力，只是解决通用性问题的一半。更大的挑战在于，如何通过大规模真实物理交互，让这些能力不断积累、提升，并逐步形成跨任务、跨场景的通用性。
这又引出了具身智能行业的另一种研发路径分歧：先通过大规模预训练建立通用能力，再应用到具体场景；还是从真实任务出发，在解决实际问题的过程中逐步积累通用能力？
Physical Intelligence、OpenAI等团队更看重大规模预训练的潜力，希望通过汇集不同机器人、不同任务的数据，让模型学会可以复用的基础能力，降低新任务的学习成本。但支持场景驱动的团队则更关注眼前的实际需求。工厂和仓库需要的是能够稳定工作、产生商业回报的机器人。与其追求尚未成熟的通用性，不如先解决具体任务，再通过实际部署积累数据和经验。
两条路线各有侧重。通用模型需要大量真实交互数据，但接触、受力和动作反馈很难直接从互联网获得。高质量数据主要来自实际操作，而机器人要进入真实场景，又必须先具备足够可靠的能力。
因此，蚂蚁灵波选择通过可扩展的数据基础设施，将通用预训练与真实场景反馈连接起来。目前，灵波已积累超过10万小时真实机器人数据，覆盖20多种机器人构型、3.6万多种任务，另有近2亿条深度数据。数据来源包括人类第一视角视频、UMI等手持采集和机器人真机交互，分别提供场景、动作及物理反馈信息。
但数据规模并不直接等于智能水平。真正重要的是，模型能否从不同场景中提炼共同规律，并利用失败、纠正和重试不断改善能力。
为此，灵波建立了端边云一体化反馈网络，将数据采集、模型训练与真机验证连接起来。根据其披露，目前数据反馈达到半天级时效，数据可用率超过90%。这套体系试图实现一个循环。基础模型为具体任务提供能力起点，真实部署产生新的物理经验，再通过训练反馈改善模型，并用于更多机器人和任务。
这个闭环的价值，关键在于经验能否迁移。如果从一个场景积累的数据只能改善原有任务，那么数据再多，也可能只是多个专用模型的叠加。只有当经验能够跨任务、跨本体迁移，通用预训练的规模效应才有机会成立。
此前,LingBot-VLA 已经在动作模型上验证了跨构型的能力，LingBot-Touch进一步在触觉层面验证了这种迁移能力。由此，可以看到蚂蚁灵波“具身原生”路线的清晰产业逻辑。从真实物理交互中学习共性能力，尽可能减少对特定硬件的依赖，再通过真实场景持续积累和验证这些能力。
现如今，技术路线虽然尚未收敛，但一个方向非常明确：真正有价值的通用大脑，必须能够从不同机器人和真实任务中积累经验，并将这些经验转化为可以持续使用的能力。
3.从物理世界出发，
机器人如何一步步走向产业深处？
当机器人开始积累越来越多的单项能力，产业竞争也在进入一个新的阶段。如何让感知、预测与控制真正协同，让机器人在不断变化的环境中持续完成工作，正在成为具身智能必须解决的问题。
例如，一台分拣机器人已经学会从货架上取出商品，但当商品换了包装、位置发生偏移，或者有人临时挡住了操作路径，它还能否继续完成任务？
这背后考验的，是机器人对物理世界的理解，以及面对变化时的操作泛化能力。
物体的位置、空间距离、接触状态和受力变化，都会影响下一步动作。任何一个环节的信息缺失或判断偏差，都可能让原本简单的操作失败。
在蚂蚁灵波看来，模态输入的质量，很大程度上决定了动作输出的上限。这也是它坚持“具身原生”、持续布局不同视觉、深度、触觉等物理感知模态的原因。
目前，蚂蚁灵波正与乐聚、钛虎等机器人本体伙伴，以及国大药房、隆盛等场景伙伴合作，在零售分拣、物流分拣和工业领域开展商业化测试。
这些场景各有挑战。比如，零售商品经常更换包装，物流仓库里的物品形状各异，工业操作则对精度和稳定性有更高要求。如果每遇到一种新商品、每更换一个作业环境，都需要重新采集数据、训练模型和调试动作，机器人的应用成本就很难降下来。
因此，蚂蚁灵波最终需要证明的，是机器人能否在复杂环境中持续、稳定地完成工作，以及过去积累的能力能否减少新任务的学习和部署成本。
从这个意义上说，机器人大脑的竞争，正在从实验室里的能力竞赛，走向真实世界里的效率竞赛。
蚂蚁灵波的“具身原生”提供了一条值得观察的路径。从真实物理交互出发，提炼不同机器人共同需要的基础能力，再逐步融合为更加统一的机器人大脑。这条路线能否成功，仍需要真实场景和长期运行数据来检验。
但行业竞争的方向已经清晰。未来真正有竞争力的机器人大脑，既要让机器人学会更多工作，也要让过去积累的经验能够持续发挥价值，让每一次学习都成为下一次学习的起点。
毕竟，机器人学会一百个动作，与它能独立完成一份工作，仍然是两回事。当机器人的智能开始积累，不再随着硬件和任务的变化反复归零，具身智能才有机会从一项项技术突破，真正走向规模化的产业能力。
