机器人的「脑」和「手」在同一天开源了，这意味着什么？

如果你最近关注科技新闻，可能会在 11 月这两天反复刷到两个有点拗口的名字：英伟达的 GR00T 2，和蚂蚁灵波的 LingBot-Touch。它们一个在奥斯汀的 CoRL 大会上亮相，一个在 11 月 10 日官宣开源，时间几乎撞在一起。

两个名字都跟机器人有关，但干的不是同一件事：英伟达解决的是机器人的「脑子」，蚂蚁灵波解决的是机器人的「手感」。把它们放在一起看，你会发现一个很有意思的信号——机器人正在从「看得见、动得了」，走向「摸得着、干得细」。

这篇文章，我想用尽量通俗的方式，把这两件事讲清楚。

背景：机器人一直缺两样东西

过去几年，我们看多了机器人翻跟头、跳舞、走楼梯的视频。这些很酷，但很多还停留在「表演」。一旦要让机器人真正干点细活——比如拧开一个瓶盖、把一张湿滤纸平整地铺好、给显卡插上——它就露馅了。

问题出在两个地方。

第一是「脑子」。以前的机器人学一个新动作，往往要工程师专门为它录一批示范数据，换一台不同形态的机器人，这批数据可能就没用了。就像你手把手教一个徒弟，换个人又得从头教。

第二是「手感」。机器人靠摄像头「看」世界，但很多关键信息是看不出来的。拧瓶盖的时候，瓶盖是已经松了，还是手指在盖壁上打滑？这两种情况在画面里长得几乎一模一样，只有指尖的受力变化能告诉你答案。光有眼睛，没有手，很多精细活就是做不好。

英伟达和蚂蚁灵波这次的发布，恰好分别对准了这两个老问题。

图 1：一台人形服务机器人。这类机器人的「能看能走」已经比较成熟，真正卡住的是「手感」与「跨身体泛化」。

核心观点：进步的标尺变了，从「会动」变成「换环境还灵」

这两条新闻背后，其实藏着同一把新尺子：一个技能，换一个身体、换一种传感器，还能不能用。

过去我们夸一个机器人「厉害」，往往是说它在某个固定场景、某个固定身体上表现好。但现在行业开始问一个更苛刻的问题：教它一次，换个地方、换只手，它还灵不灵？

英伟达用「跨本体迁移」回答，蚂蚁灵波用「跨传感器复用」回答。这是这轮发布真正的看点。

两条主线可以串成一条完整的链路：

1. 脑（英伟达 GR00T 2）：把「人的示范数据」（40 万小时人类视频、1 万小时 UMI 演示、手套/外骨骼采集）喂给世界动作模型，实现跨本体迁移——换个机器人身体，技能还能用；
2. 手（蚂蚁灵波 LingBot-Touch）：把「多种触觉传感器」的原始信号（磁、视、压阻三类）统一编码成触觉 Token，实现跨传感器复用——换只手、换个传感器，手感还能用；
3. 两者合流：脑子「想得明白」+ 手「摸得准」，机器人才能真正去干拧瓶盖、铺滤纸、插显卡这类细活。

展开分析一：英伟达 GR00T 2，让「手把手教」这件事不再必要

英伟达的 GR00T 2 是一个「世界动作模型」。这个说法有点专业，你可以理解为：它一边预测「世界接下来会变成什么样」，一边预测「机器人这时候该怎么动」，把两件事放在一起学。

它最受关注的能力叫 X-Adapt（跨本体适配）。核心想法是：过去教机器人一个新任务，得针对它的身体形态和控制方式重新采数据；而 X-Adapt 想让「人示范一遍」的技能，直接迁移到从没练过这个任务的机器人身上。

团队演示了三条路径：

1. 从人示范迁移到机器人。 研究人员戴着动捕设备示范「放滤纸、润湿滤纸」，双五指手 Dexter 没有采集过这项任务的遥操作示范，仅凭人类示范，20 次试验成功率就达到 65%。
2. 从手持夹爪迁移到机械臂。 用手持 UMI 夹爪示范「组装玩具自卸卡车」，再迁移到形态完全不同的 YAM 机械臂上，能端到端完成最长约四分钟的组装，成功率 60%。
3. 从可穿戴外骨骼迁移到灵巧手。 戴 DexUMI 手部外骨骼示范「做香蕉酸奶、舀麦片」，机器人接手就能完成早餐任务。

这三条路径指向同一个结论：同一项技能，不必在每一种机器人身上重新示范一遍。

支撑这套能力的是庞大的数据。GR00T 2 的预训练混合了三类数据：约 40.27 万小时的人类第一视角视频、约 1.02 万小时的手持 UMI 演示（覆盖 2897 项任务）、约 2.35 万小时的机器人遥操作数据。人类视频的规模远大于另外两类，这是它「看人干」的能力来源。

团队还专门做了一组实验来验证「人类视频到底有没有用」：分别用不含人类视频、1%、10% 以及全部人类视频的数据训练模型，再在 72 项任务上评估。结果很直接——随着人类视频增加，真实机器人上的平均任务进度从 50% 提高到 70%。

另一个值得一提的点是「少量示范就够」。在 Dexter-50 评测里，零样本平均成功率 40%；每项任务给一次示范，提到 71%；给五次，到 95%。而这五次示范合计不到三分钟，随后在单张 RTX 5090 上跑约 30 分钟 LoRA 微调，就能得到适配任务的模型。

围绕模型，英伟达还把数据采集（UMI、DexUMI）、数据处理（Human-1M、Flora）、仿真（SimFoundry）、执行（Turbo、SONIC）拼成了一套完整工具链。Jim Fan 在演讲里说了一句被广泛引用的话：「Astra 没有打碎我们的梦想，它打破的是我们的围墙。」以及「这不是寒冬，这是机器人的夏天。」

图 2：一台人形机器人。英伟达 GR00T 2 想解决的，正是让「人示范一遍」的技能，能迁移到这种从没练过对应任务的机器人身上。

展开分析二：蚂蚁灵波 LingBot-Touch，给机器人补上「手感」

如果说英伟达解决的是「脑子」，那蚂蚁灵波 11 月 10 日开源的 LingBot-Touch，解决的是「手」。

先理解一个常识：给机器人装上触觉传感器，不等于它就会用触觉。现在主流的触觉传感器有好几种路线——磁触觉、视触觉、压阻式——各有各的优缺点，采集到的原始信号也各不一样。更麻烦的是，这些数据很难通用：模型学会了读 A 传感器的信号，换成 B 传感器或另一只灵巧手，之前的经验就可能作废，得重新采数据、重新训练。

LingBot-Touch 的做法是：按传感原理分别设置编码入口，把不同布局的触点映射到统一的指尖坐标空间，最后输出统一的「触觉 Token」。 这样一来，一副手攒下的「手感」，换只手、换个传感器，还能接着用。

它基于近 5000 小时真实触觉数据预训练。真机测试做了 26 项，在 Sharpa Wave 和 XHand1 两款灵巧手上，涵盖翻书页、拧瓶盖、辨识麻将牌这类精细活。

最能说明问题的是拧瓶盖这个例子。用 T-Rex 控制 Sharpa Wave 拧瓶盖：

• 不用触觉：成功率 56.25%；
• 直接灌传感器原始信号：62.5%；
• 接上 LingBot-Touch 的触觉表征：90%。

中间那档「只灌原始信号」也才 62.5%，说明光有传感器还不够，关键是能不能把原始信号变成动作模型真正能用的表征。

整体来看，接入 LingBot-Touch 后，LingBot-VLA、π0.5、Diffusion Policy、T-Rex 四种动作模型的平均任务成功率，比没有触觉时提高约 14 到 26 个百分点。

还有一个容易被忽略的细节：它参数量很小。26 项测试全部用约 530 万参数的轻量版 LingBot-Touch-Tiny 完成，接入动作模型后，参数量只增加约 0.13% 到 0.16%。也就是说，补上触觉几乎不增加算力负担，这对端侧部署很关键。

更重要的是，LingBot-Touch 不绑定蚂蚁灵波自研的动作模型，它提供的是「触觉传感器」和「动作模型」之间的通用感知层。传感器厂商、整机团队、模型开发者都能各取所需，减少「每换一种硬件组合就重新开发触觉能力」的重复投入。技术报告、模型和代码已经在 Hugging Face、GitHub 和魔搭社区开源。

图 3：一块电路板上的芯片特写。触觉模型的难点之一，是感知能力要在极小的算力开销下跑起来——LingBot-Touch-Tiny 只有约 530 万参数。

展开分析三：为什么「同日开源」值得注意

把这两件事放在同一天看，能看到一条更清晰的产业脉络。

具身智能的进步，正在从「单一维度刷分」转向「多个物理模态协同」。视觉、深度、触觉、力觉……这些信息要在一个统一的模型里对齐，机器人才能真正在真实世界里「感知—判断—执行」形成闭环。

蚂蚁灵波 CEO 朱兴对此有个挺务实的说法：通用大模型（比如 GPT-6 Astra、Claude Fable 5.2）确实让机器人的任务推理和操作能力变强了，但「要真正跑通操作闭环，物理操作泛化性这块硬骨头还是绕不开」。他的判断是，通用大模型和具身基础模型更像「1+1>2」的协同关系：前者管理解推理，后者管物理感知和闭环操作。

英伟达走的是另一条路线，但指向同一个方向——用海量人类视频，让机器人的「动作能力」也能跨身体泛化。两家公司一个补「手」、一个补「脑」，恰好拼起了具身智能的两块关键拼图。

而对产业来说，「开源」这两个字同样重要。英伟达承诺模型、数据、仿真环境和采集硬件将陆续开源，首批 10 万小时人类视频已放出；蚂蚁灵波则把技术报告、模型、代码一次性放了出来。开源让整个行业的复现和迭代成本大幅下降，这是「夏天」说法的底气所在。

小结

机器人这件事，正在悄悄换一把度量尺。

过去我们看它会不会走路、会不会翻跟头，现在开始看它换个身体还灵不灵、换个传感器还准不准。英伟达用 40 万小时人类视频，让「教一次、处处能用」往前迈了一大步；蚂蚁灵波用统一的触觉 Token，让「手感」不再绑定某一块硬件。

对普通人来说，这意味着机器人离「真正帮上忙」又近了一点——不是会跳舞的那种帮，是会帮你拧瓶盖、铺滤纸、收桌子、插显卡的那种帮。

当然，这些数字都来自实验室和真机测试，离大规模走进生活还有距离。但方向已经比较清楚了：机器人正在补齐它缺的那两样东西，一样是脑子，一样是手。

参考来源

• 英伟达机器人开源撞上 Fable 5.2 发布！Jim Fan：不是寒冬是夏天（量子位）
• 从「一脑多机」到「一脑多手」，蚂蚁灵波开源 LingBot-Touch 触觉基础模型（央广网）
• 从「一脑多机」到「一脑多手」，蚂蚁灵波开源 LingBot-Touch 触觉基础模型（新华网上海频道）
• 触觉也能 Token 化？蚂蚁灵波实现机器人手感跨硬件复用（中国经营报）
• 英伟达 GR00T 2 官方项目页（NVIDIA Research）

图片来源（均为 Unsplash 图库，Unsplash License 授权免费商用）

• 图 1（人形服务机器人）：Unsplash 图片页 white robot（作者 Arseny Togulev）
• 图 2（人形机器人抬起手臂）：Unsplash 图片直链
• 图 3（电路板芯片特写）：Unsplash 图片直链