Robbyant (Ant Group) publica LingBot-Touch, un modelo de tacto abierto para manos robóticas

Los robots ven cada vez mejor, pero todavía sienten mal lo que tocan. Robbyant, la filial de Ant Group dedicada a la robótica, publica LingBot-Touch, un modelo fundacional para el tacto, con sus pesos bajo licencia Apache 2.0 en Hugging Face y ModelScope, y el código de inferencia en el repositorio de GitHub abierto el 9 de noviembre.

Tres familias de sensores, una única representación

El problema que aborda LingBot-Touch es muy concreto: existen diversas tecnologías de piel artificial que generan señales incompatibles. Los sensores magnéticos miden fuerzas en tres ejes, los piezorresistivos miden presión, los visuotáctiles miden una deformación captada por una pequeña cámara. Cada mano robótica llega con los suyos, y los datos acumulados en una apenas sirven para otra.

El modelo emplea un tokenizador por tipo de sensor y, a continuación, un Transformer compartido entrenado según el enfoque JEPA: aprende a predecir, en un espacio latente, fragmentos enmascarados de la señal táctil a partir de su contexto espacial y temporal. Como salida, proporciona tókenes que conservan su «dirección» (instante, dedo, posición) y que pueden ser leídos por un modelo de acción. El repositorio aconseja, además, consultar estos tókenes mediante atención en lugar de promediarlos directamente, ya que cada token combina de antemano información procedente de otros dedos y de otros instantes.

Mejoras anunciadas en 26 tareas reales

Según Robbyant, citada por el Beijing Business Today, el modelo fue preentrenado con cerca de 5 000 horas de datos táctiles reales y posteriormente evaluado en 26 tareas con dos manos robóticas, la Sharpa Wave y la XHand1: pasar una página, desenroscar un tapón, reconocer fichas de mahjong. Conectar LingBot-Touch a cuatro modelos de acción (LingBot-VLA, π0.5, Diffusion Policy y T-Rex) habría incrementado su tasa media de éxito entre 14 y 26 puntos frente a la ausencia de tacto. Ejemplo destacado: desenroscar un tapón pasa de un 56,25% sin tacto al 90% con la representación de LingBot-Touch, frente a un 62,5% cuando se introducen directamente las señales en bruto. Estas cifras proceden de la empresa.

Qué está realmente abierto

La publicación abarca el codificador congelado y su configuración, en dos tamaños (Tiny y Small). El repositorio de GitHub añade el código de inferencia, adaptadores para las manos Sharpa y XHand, código para remuestrear otros sensores y 120 archivos de ejemplo. En cambio, ni el código de entrenamiento ni las cabezas de tareas se han publicado, y se necesita una cuenta autorizada para descargar los pesos. Para un laboratorio, esto es suficiente para extraer representaciones táctiles y probarlas en su propia mano; no para reentrenar el modelo.