蚂蚁灵波开源触觉基础模型 LingBot-Touch，并将其定位为从“一脑多机”迈向“一脑多手”的一步。所谓“一脑多机”，指用同一套模型驱动形态各异的机器人本体；“一脑多手”则把关注点收窄到末端执行环节：让同一个“脑”适配不同的手部与末端执行器。
触觉长期是具身智能中相对薄弱的一环。视觉可以告诉机器人物体在哪里，却难以回答“抓得多紧、有没有打滑、材质是软是硬”。这些信息直接决定抓取与操作的成功率，也是机器人在真实场景中稳定作业的前提。触觉基础模型的价值，在于把触觉信号从“每个任务单独调”变成可复用、可迁移的通用表征，从而减少针对单一任务、单一硬件的重复训练。
选择开源，意味着把这一层的适配成本交给社区共同分摊。触觉数据的采集成本高、标注标准不统一，单一团队很难覆盖足够多的硬件与场景。开放模型后，研究者和厂商可以在同一基础模型上做微调与横向对比，加速形成事实上的接口与表征共识。
“一脑多手”的提法也提示了一条工程路径：与其为每一种手重新训练策略，不如让模型学会与具体末端解耦。这条路能否走通，取决于跨本体迁移的实际效果与生态采用速度。模型已经开源，接下来要看的是社区能否在其上跑出可复现的结果，并把它接到真实的作业流程里。对关注具身智能的团队而言，这是一个可以直接上手验证的新基础模型。