螞蟻集團Robbyant發布LingBot-Touch 賦予機械人通用觸覺感知

螞蟻集團旗下具身智能公司Robbyant，今日宣布開源發布LingBot-Touch觸覺基礎模型。該模型旨在賦予機械人穩健的觸覺感知能力，填補其關鍵感官缺失。

該模型經過接近五千小時的真實世界觸覺數據預訓練，涵蓋三種主流感知模式，包括磁性觸覺、視覺觸覺及壓阻式感應。它能將這些多樣化的信號轉化為統一觸覺表徵，使不同靈巧機械手及動作模型得以共享及重用觸覺理解。這讓機械人在執行精細操作任務時，例如翻頁、擰開瓶蓋及識別麻將牌，不僅能「看得更清」、「想得更深」，更能「感受更敏銳」。

LingBot-Touch將磁性觸覺、視覺觸覺及壓阻式信號編碼為統一觸覺標記，供不同動作模型使用。 AP圖片

實現感應器與機械手之間的統一觸覺表徵

為機械人配備觸覺感應器，並非自動賦予其實用觸覺感知能力。商用觸覺感應器仍處於早期發展階段，視覺觸覺、磁性觸覺及壓阻式感應等方法，各自具備獨特優勢及局限。考慮到不同的成本結構及應用場景，多種技術路線預計將在可預見的將來共存。

數據兼容性是更根本的挑戰。同一物理接觸可根據感應原理及接觸點佈局，產生不同的原始信號。若模型僅學習解釋一種感應器，當感應器或靈巧機械手改變時，其觸覺經驗可能難以重用，迫使團隊重新收集數據、重新訓練模型及重新調整其系統。在硬件快速迭代的背景下，這種緊密耦合導致重複開發工作，並增加硬件供應商、機械人集成商及模型開發者的集成成本。

為使觸覺感知實現規模化，機械人必須擺脫對特定感應器信號的依賴。來自不同來源的數據應可共同訓練，而累積的觸覺能力應可在不同感應器、靈巧機械手、模型及任務之間重用。

LingBot-Touch透過統一架構應對這項挑戰。它為不同感應原理提供獨立編碼路徑，處理異構原始信號，並將來自不同佈局的接觸點映射到共享指尖坐標空間。隨後，一個共享模型學習接觸位置、力分佈及其時間演變，生成統一觸覺標記。

這項設計使從佩戴觸覺手套的人類及遙控靈巧機械手收集的數據，得以共同用於訓練。不同動作模型亦可利用已訓練模型提取接觸特徵。該架構亦旨在適應新興的觸覺感應器類型。

真實世界靈巧操作的顯著提升

為評估觸覺表徵如何提升真實機械人性能，Robbyant在Sharpa Wave及XHand兩款靈巧機械手上進行了二十六項真實世界測試。整合LingBot-Touch後，LingBot-VLA、π0.5、Diffusion Policy及T-Rex四個動作模型，平均任務成功率提升約百分之十四至二十六，相比沒有觸覺輸入的操作。

在其中一項具代表性的測試中，利用T-Rex控制Sharpa Wave擰開瓶蓋，沒有觸覺輸入時成功率為百分之五十六點二五；當原始感應器信號直接輸入策略時為百分之六十二點五。而透過LingBot-Touch的觸覺表徵，成功率則升至百分之九十。

在XHand上，Robbyant團隊進一步驗證了跨硬件重用性。XHand上使用的磁性觸覺感應器並未包含在LingBot-Touch的預訓練數據中；所有磁性觸覺經驗均來自人類手套收集的數據。為評估這項重用性，團隊保持LingBot-Touch的參數不變，僅使用XHand演示數據訓練動作模型。

靈活的模型尺寸及開源可用性

為平衡感知能力與設備上的計算限制，Robbyant提供兩種模型尺寸。所有二十六項真實世界測試均使用輕量級版本LingBot-Touch-Tiny完成，該版本包含約五百三十萬個參數。當與LingBot-VLA、π0.5及T-Rex整合時，它僅佔總模型尺寸的約百分之零點一三至零點一六。

較大容量版本在感知測試中展現出進一步潛力。隨著預訓練數據接近五千小時，該模型持續從額外數據中獲益，顯示觸覺預訓練仍有巨大的擴展及改進空間。

LingBot-Touch在四個不同動作模型上進行了評估，且不與Robbyant的專有模型綁定。它作為觸覺感應器與動作模型之間的通用感知層，而非為特定硬件平台或控制策略構建的專用模組。透過LingBot-Touch，感應器及靈巧機械手製造商可根據成本及任務要求選擇硬件，而機械人團隊則可保留其自身的動作策略。這顯著減少了每次採用新硬件與算法組合時，重新構建觸覺能力的需要。

LingBot-Touch的技術報告及代碼現已開源。開發者可在Hugging Face及GitHub上獲取及下載該模型。

Robbyant的統一機械人大腦已涵蓋高精度空間感知、高動態環境互動及通用靈巧操作，協助機械人看得更清、想得更深、行動更快。隨著LingBot-Touch現已整合至LingBot-VLA，機械人大腦的感知能力延伸至指尖，使機械人能「感受更敏銳」，進一步推動Robbyant的通用具身智能發展。

關於Robbyant

Robbyant是螞蟻集團旗下的具身智能公司，致力透過尖端軟硬件技術推動具身智能發展。Robbyant自主開發具身人工智能的基礎大模型，並積極探索下一代智能設備，旨在創造真正理解並提升人們日常生活的機械人伴侶及護理員，並在長者護理、醫療協助及家務等關鍵應用場景中提供可靠的智能服務。

（美聯社）

人工智能筆記工具及對話知識平台Otter.ai，今日宣布推出歷來最大規模的多語言擴展，新增27種語言，其中13種現已提供，另外14種將於短期內推出。新功能包括多語言轉錄，可識別並轉錄會議中講者切換語言的對話。

全球團隊甚少只使用單一語言。Capterra 2024年協作與生產力調查發現，42%的國際知識型員工將語言障礙列為協作時面對的主要挑戰之一。因此，Otter.ai現正有計劃地擴展其服務。與其他筆記工具不同，Otter.ai的語音模型由公司自行在其基礎設施上訓練、調整及運行，而非依賴第三方人工智能服務。這確保每種新語言都能達到團隊所需的準確度，以信任其筆記內容。

簡體中文領銜13種現已提供的新語言，另有14種將於短期內推出，並支援會議中講者切換語言時的轉錄功能。 AP圖片

除了現有的四種語言（英文、法文、西班牙文及日文）外，Otter.ai現已支援13種新語言，包括簡體中文、德文、意大利文、廣東話、韓語、巴西葡萄牙語、俄文、印尼文、馬來文、荷蘭文、土耳其文、越南文及波蘭文。

另外14種語言將於短期內推出，包括瑞典文、丹麥文、芬蘭文、阿拉伯文、印地文、泰文、希伯來文、挪威文、希臘文、馬其頓文、波斯文、捷克文、匈牙利文及羅馬尼亞文。所有語言上線後，Otter.ai將合共支援31種語言。

會議對話不會只停留於單一語言，轉錄亦應如此。Otter.ai即將推出的多語言選項，將會追蹤對話的發展，在參與者於支援語言之間切換時，準確地進行轉錄，無需手動更改設定。例如，一次銷售通話可在英文、葡萄牙文及普通話之間切換，而無需任何人暫停以更改語言設定。

由於Otter.ai自行開發及運行每個語言模型，因此能顧及每種語言的獨特之處。在英文基準測試中，Otter.ai在Open ASR 排行榜上平均達到96%的準確度。Otter.ai亦不會將用戶的音頻發送予第三方處理，這項承諾已維持超十年，並將延伸至每種新推出的語言。

Otter.ai的新語言功能適用於整個工作流程，而不僅限於轉錄。在通話前，Otter.ai其中一項最新功能「工作模式」會將過往對話及已連接的應用程式整合為簡報。通話期間，摘要、行動項目、說話者識別、人工智能聊天及搜尋功能均可在支援語言中運作。通話結束後，「工作模式」會將對話轉化為跟進電郵及客戶關係管理系統更新，並以會議所使用的語言呈現。

Otter.ai聯合創辦人兼行政總裁梁山姆表示：「許多大型國際公司已利用Otter.ai，提升不同時區及使用多種語言團隊的協作與生產力。我們從一開始便自行開發語音識別技術，因此能夠以正確方式構建每種語言，提供領先的準確度及私密音頻。這正是我們能為Otter.ai帶來27種新語言的原因。」

用戶可在Otter.ai設定中選擇支援的語言。新語言功能無需額外費用，適用於所有Otter.ai計劃，並可在桌面、流動裝置及瀏覽器上使用。

Otter.ai是為現代企業而設的人工智能筆記工具及對話知識引擎。Otter.ai擁有超4,000萬用戶，包括超86%的財富500強企業，並已轉錄超10億次會議。Otter.ai能捕捉、連接及激活每次對話中的知識。Otter.ai專有的自動語音識別（ASR）及說話者識別技術均由內部開發，提供業界領先的準確度，將會議轉化為可搜尋的智能資訊、自動化行動項目及代理工作流程，並直接同步至團隊已使用的工具。Otter.ai獲Spectrum Equity、Horizon Ventures及Draper Associates支持，最近更從General Catalyst的Customer Value Fund (CVF) 獲得3.2億美元增長融資。Otter.ai總部位於加州山景城。

（美聯社）