Robbyant (Ant Group) rilascia LingBot-Touch, un modello tattile aperto per le mani dei robot
Robbyant, sussidiaria di Ant Group dedicata alla robotica, rilascia sotto licenza Apache 2.0 LingBot-Touch, un modello che converte i segnali di tre famiglie di sensori tattili in un'unica rappresentazione. L'azienda annuncia un incremento medio dal 14 al 26% di successo su compiti di manipolazione fine, dati non ancora replicati.
I robot vedono sempre meglio, ma percepiscono ancora a fatica ciò che toccano. Robbyant, la sussidiaria di Ant Group dedicata alla robotica, pubblica LingBot-Touch, un modello di base per il tatto, con i suoi pesi sotto licenza Apache 2.0 su Hugging Face e ModelScope, e il codice di inferenza nel repository GitHub aperto il 9 novembre.
Tre famiglie di sensori, una sola rappresentazione
Il problema a cui mira LingBot-Touch è molto concreto: esistono diverse tecnologie di pelle artificiale, che producono segnali incompatibili. I sensori magnetici misurano le forze su tre assi, i piezoresistivi la pressione, i visuotattili una deformazione inquadrata da una piccola telecamera. Ogni mano robotica arriva con i propri sensori, e i dati accumulati su una sono difficilmente utilizzabili sull’altra.
Il modello impiega un tokenizer per ciascun tipo di sensore, seguito da un Transformer condiviso addestrato secondo l’approccio JEPA: impara a prevedere, in uno spazio latente, porzioni mascherate del segnale tattile a partire dal loro contesto nello spazio e nel tempo. In uscita, fornisce token che mantengono il proprio «indirizzo» (istante, dito, posizione) e possono essere letti da un modello di azione. Il repository consiglia d’altronde di interrogare questi token tramite meccanismi di attenzione piuttosto che calcolarne una semplice media, poiché ciascun token mescola già informazioni provenienti da altre dita e da altri istanti.
Incrementi annunciati su 26 compiti reali
Secondo Robbyant, citata dal Beijing Business Today, il modello è stato pre-addestrato su quasi 5.000 ore di dati tattili reali, per poi essere testato su 26 compiti con due mani robotiche, la Sharpa Wave e la XHand1: girare una pagina, svitare un tappo, riconoscere tessere del mahjong. Collegare LingBot-Touch a quattro modelli di azione (LingBot-VLA, π0.5, Diffusion Policy e T-Rex) avrebbe aumentato il loro tasso di successo medio da 14 a 26 punti percentuali rispetto all’assenza di tatto. Esempio evidenziato: svitare un tappo passa dal 56,25% senza tatto al 90% con la rappresentazione di LingBot-Touch, contro il 62,5% fornendo direttamente i segnali grezzi. Questi dati provengono dall’azienda.
Ciò che è realmente aperto
Il rilascio copre l’encoder congelato e la sua configurazione, in due dimensioni (Tiny e Small). Il repository GitHub aggiunge il codice di inferenza, gli adattatori per le mani Sharpa e XHand, il codice per ricampionare altri sensori e 120 file di esempio. Al contrario, né il codice di addestramento né le teste per compiti specifici sono stati pubblicati, ed è necessario un account autorizzato per scaricare i pesi. Per un laboratorio, è sufficiente per estrarre rappresentazioni tattili e testarle sulla propria mano; non per riaddestrare il modello.
La nostra lettura
Il tatto è uno degli anelli mancanti della manipolazione fine, e l’idea di una rappresentazione comune a diverse tecnologie di sensori è esattamente ciò che serve per mettere a fattor comune dati oggi frammentati. La pubblicazione sotto Apache 2.0 inserisce Robbyant nello stesso percorso di Nvidia o Skild, che aprono i propri moduli robotici per imporsi come standard. Le riserve restano quelle consuete: i miglioramenti dichiarati arrivano dall’azienda, su mani scelte da essa stessa, e il rilascio si ferma all’inferenza. La vera prova sarà l’adozione da parte di altri laboratori, su altri sensori.
Fonti
- GitHub — Robbyant/lingbot-touch Fonte primaria
- Hugging Face — robbyant/lingbot-touch-small Fonte primaria
- Robbyant — pagina Tecnologia (LingBot-Touch 1.0) Fonte primaria
- Beijing Business Today via 10jqka — 蚂蚁灵波发布LingBot-Touch触觉基础模型 (10 novembre 2026) Fonte secondaria
Una fonte primaria proviene direttamente dall'azienda, dal laboratorio o dall'ente interessato. Una fonte secondaria riporta l'informazione senza esserne l'autrice: la segnaliamo come tale. Un errore? Consulta la nostra politica di rettifica.
