新智具身联合复旦发布N0系列报告 将触觉数据纳入机器人核心模型
N0系列将触觉信号接入具身智能模型，通过预测未来触觉和世界模型推演，大幅提升机器人精细操作成功率。
机器人常因缺乏触觉反馈而在插插头、抓取等精细操作上翻车。新智具身与复旦发布N0系列三份报告，提出统一触觉表征NeoForce，并采用预测未来触觉演变和融入世界模型两条技术路线，显著提升插插头、毛巾折叠等任务成功率，触觉正从辅助模态升级为核心基建。
正文摘录
- title: 3 万小时触觉数据补齐具身智能“手感”！新智具身 & 复旦报告三连发 - sourcecompany: 量子位 - bodymarkdown: 这次登场的是来自 NeoteAI 和复旦大学的 N0 系列模型。不仅是居家料理，收纳整理它同样拿手。工厂流水线装配、精细零件组装、线材缠绕梳理这些精细活也全都不在话下。 不知道大家有没有见过机器人实操翻车的名场面：插头边缘反复摩擦却难以插入、抓取塑料瓶时力道失控导致瓶身瘪陷、叠好的毛巾在松手瞬间散落……在具身智能的落地进程中，这类“视觉系统判定无误，但物理交互瞬间翻车”的现象屡见不鲜。 决定机器人能否在真实物理世界中生存的关键，往往不只在于视觉感知的精度，而更在于接触瞬间的触觉反馈。摄像头能确认空间位置，却无法感知“是否接触”、“顶到边缘”、“夹力过载”或“发生滑移”等，缺失这层反馈，正是阻碍机器人跨越“最后一厘米”的核心痛点。 现在，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，正式发布了 N0 系列三份技术报告，把触觉从“辅助模态”跃升为“核心基建”。三份报告合起来看，恰好拼出一张蓝图——一套触觉数据底座，搭配两条不同侧重的技术路线。 触觉数据的规模化应用长期受制于各类触觉设备输出的数据格式互不兼容。不同传感器输出的凝胶形变图、电容矩阵或六维力向量，犹如缺乏统一语法的方言，难以在同一模型中融合。 另外，研究团队还提出了 NeoForce 统一表征模型。无论底层传感器硬件如何，都能够学习到具备迁移能力、时序结构化的触觉表征，以供下游具身智能策略使用：哪里被按？按多大力？有没有横向拉扯？这种“触觉普通话”有效解决了跨设备数据融合难题。