Ant-Group-Tochter Robbyant veröffentlicht LingBot-Touch, ein offenes taktiles Foundation Model für Roboterhände
Das Modell wurde mit 4.983 Stunden magnetischer, piezoresistiver und visuotaktiler Aufzeichnungen vortrainiert und mit Apache-2.0-Gewichten veröffentlicht; die Verbesserungen bei 26 realen Roboteraufgaben sind Ergebnisse des Unternehmens, noch nicht unabhängig bestätigt.
Warum es wichtig ist
Die meisten Roboter-Foundation-Models lernen aus Bild und Sprache, während Tastdaten von vielen inkompatiblen Sensoren stammen. LingBot-Touch führt drei Sensortypen über getrennte Tokenizer in einen gemeinsamen Transformer, und Robbyant zufolge überträgt es sich auf Tasthardware, die es im Vortraining nie gesehen hat. Laut Unternehmen schnitten auf zwei geschickten Händen alle vier getesteten Aktions-Policies mit LingBot-Touch-Tokens am besten ab, besser als mit rohen Tastsignalen oder ganz ohne Tastsinn. Abzuwarten ist, ob externe Labore die Gewinne reproduzieren und ob der separat verteilte Inferenzcode erscheint.
Die wichtigsten Fakten
- Vortraining: 4.983 Stunden, 464.431 Episoden, rund 1,33 Milliarden Frames
- Sensoren: magnetisch, piezoresistiv und visuotaktil
- Kleinstes Backbone: 5,46 Mio. Parameter (HaT-Tiny)
- Getestet an 26 realen Geschicklichkeitsaufgaben mit je 20 Durchläufen
- Gewichte unter Apache-2.0 auf Hugging Face veröffentlicht