NeoteAI与复旦联合发布N0系列：3万小时触觉数据补齐机器人‘手感’，推动具身智能视触融合

事件概述

上海新智具身智能科技有限公司（NeoteAI）联合复旦大学可信具身智能研究院正式发布N0系列三份技术报告，旨在将触觉从“辅助模态”提升为具身智能的“核心基建”。项目数据和模型已开源（research.neoteai.com）。

N0-Foundation：构建3万小时触觉语料库

• NeoData数据集：包含超3万小时视觉-触觉交互数据，约140万条操作片段，33亿个时间步，对应80亿帧RGB与100亿帧触觉图像。动用Franka、Piper、UR5e等6种机器人本体，由90位操作员采集450项真实长程任务（叠衣、插拔接头、倒液体等）。已开源5千小时数据。
• NeoForce统一表征模型：实现跨传感器硬件（凝胶形变图、电容矩阵、六维力向量等）的触觉信号标准化，学习可迁移的时序结构化触觉表征，解决跨设备数据融合难题。

N0-VTLA：触觉预判增强VLA

• 不依赖当前触觉，而是预测未来50步内的触觉演变（如滑移、受力趋势），结合视觉上下文调整动作。
• 性能对比：
  • 插插头任务：N0-VTLA成功率85%，纯视觉方案60%；
  • 拔钥匙任务：N0-VTLA成功率99%，纯视觉方案35%。
• 突破传统模仿学习局限：结合触觉信息与部署后数据训练进度评估模型，识别任务阶段（如“退步”“救场”），结合离线强化学习，使毛巾折叠（50%→95%）、书包收纳（35%→80%）、纸箱折叠（20%→75%）等长程任务成功率大幅提升。

N0-TWAM：触觉世界模型

• 采用混合专家架构（视频、触觉、动作三个异步专家网络），总参数72亿，同时预测未来视频、触觉和动作序列。
• 仿真平均成功率84.5%（世界模型最强基线为36%）；真机8项任务平均成功率46.3%（LingBot-VA为21.9%）。消融实验证实，去除未来触觉预测或当前触觉条件均导致性能显著下降。

行业意义

• N0-Foundation验证触觉具备类似视觉的Scaling潜力；N0-VTLA证明触觉可自然接入VLA架构；N0-TWAM确立触觉在世界模型顶层设计中的核心地位。机器人的认知范式正从“视觉驱动”向“视触融合”演进。