知识卡片：3万小时触觉数据补齐具身智能“手感”

一句话结论：NeoteAI 与复旦大学联合发布 N0 系列三份技术报告，通过 3 万小时触觉交互数据、触觉预判 VLA 架构及触觉世界模型，将触觉从辅助模态提升为具身智能的核心基建，多项任务成功率较纯视觉方案提升超 30 个百分点，数据和模型均已开源。

事件概述或研究问题：具身智能在物理交互中常因缺乏触觉反馈而翻车（如插头插不进、抓取力道失控）。行业共识是：视觉可确认空间位置，但无法感知接触、滑移、夹力过载等物理状态，这成为阻碍机器人跨越“最后一厘米”的核心痛点。NeoteAI 与复旦大学可信具身智能研究院联合发布 N0 系列三份技术报告，旨在系统性地将触觉纳入具身智能底层架构。

方法/产品要点：

• N0-Foundation（数据底座）：
  • 构建 NeoData 数据集，包含超 3 万小时视觉-触觉交互操作数据、约 140 万条操作片段、33 亿个时间步、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，覆盖 450 项真实长程任务，由 90 位操作员采集；已开源 5 千小时数据。
  • 提出 NeoForce 统一表征模型，将不同触觉传感器（凝胶形变图、电容矩阵、六维力向量等）的“方言”转化为统一“触觉普通话”，实现跨设备数据融合。
• N0-VTLA（触觉预判 VLA）：
  • 核心创新：不依赖滞后的当前触觉，而是预测未来 50 步内的触觉演变（滑移、受力趋势），指导动作模块提前调整。
  • 利用失败数据训练进度评估模型（结合部署后数据与 human in the loop），识别“退步”与“救场”行为，再通过离线强化学习实现自主进化。
• N0-TWAM（触觉世界模型）：
  • 采用混合专家架构，内置视频、触觉、动作三个异步专家网络（总参数量 72 亿，为全宽方案一半），同时预测未来的视频、触觉和动作三个耦合序列。
  • 让机器人在动手前先在“想象”中推演操作视角和手感，解决现有世界模型缺乏触感信息导致的物理对齐难题。

主要结果或产业意义：

• N0-VTLA：插插头成功率 85%（视觉方案 60%）；拔钥匙成功率 99%（视觉方案 35%）。在毛巾折叠、书包收纳、纸箱折叠等长程任务上，成功率分别从 50%/35%/20% 提升至 95%/80%/75%。
• N0-TWAM：仿真平均成功率 84.5%（最强基线世界模型为 36%）；真机 8 项任务平均成功率 46.3%（LingBot-VA 为 21.9%）。消融实验确认去除未来/当前触觉预测均导致性能显著下降。
• 行业信号：触觉模态具备类似视觉的 Scaling 潜力；触觉可自然接入现有 VLA 架构；触觉在世界模型顶层设计中与视觉平起平坐。机器人认知范式正从“视觉驱动”向“视触融合”演进。

为什么重要：此前具身智能行业多聚焦视觉与大模型，触觉长期作为“小众研究方向”。本系列首次系统性地将触觉提升为“核心基建”，提供开源数据集、统一表征和两种可落地技术路线，有望推动具身智能跨越物理交互的最后一厘米。增量信息：与已有相关卡片（如 AlphaEvolve 侧重算法自动设计）不同，本卡片聚焦触觉模态在机器人物理交互中的关键作用，且数据和模型开源降低了行业门槛。

局限与不确定性：

• 真实场景下的大规模数据采集成本仍高（需专业操作员和多种机器人）。
• 跨本体泛化能力（当前数据集仅涉及 6 种本体）待验证。
• 推理实时性在复杂长程任务中可能面临挑战。
• 距离“随手一摸即知轻重”的通用具身智能仍有长路。

可用于图书/PPT/简报的角度：

• “机器人为何插不进插头？”——从触觉缺失看具身智能核心痛点。
• 从“看世界”到“摸世界”：触觉如何成为机器人新感官。
• 开源触觉数据集：加速行业落地的“公共基础设施”。
• 世界模型中的“触觉想象”：让机器人在动手前先“脑补”手感。

原始材料：

• 来源：量子位《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》（2026-07-26）
• URL：https://www.qbitai.com/2026/07/460962.html
• 项目链接：https://research.neoteai.com
• 公司官网：https://www.neoteai.com
• 英文标题（待确认）：30000 Hours of Tactile Data Complete Embodied Intelligence "Touch"（根据内容推断，原文未提供）
• 英文关键词：tactile data, embodied intelligence, NeoteAI, N0 series, VLA, world model, tactile predition