上海新智具身智能科技有限公司与复旦大学可信具身智能研究院联合推出N₀系列技术成果，通过构建全球首个大规模触觉数据体系，为机器人赋予精准的物理交互能力。这项突破性研究将触觉从传统辅助感知升级为具身智能的核心基础设施，标志着机器人认知模式向"视触融合"新范式迈进。
在具身智能落地过程中，视觉系统与物理世界的"最后一厘米"鸿沟始终难以跨越。传统机器人常因无法感知接触力度、边缘碰撞或物体滑移，在插头插入、瓶罐抓取等精细操作中频繁失误。研究团队指出，仅靠视觉定位无法解决物理交互中的动态反馈问题，触觉感知的缺失已成为制约机器人实用化的关键瓶颈。
作为技术体系基石的N₀-Foundation项目，构建了包含3万小时视觉-触觉交互数据的开源数据集。该数据集涵盖6种工业机器人执行的450项真实任务，采集了140万条操作片段与33亿个时间步数据。研究团队开发的NeoForce统一表征模型，成功将不同传感器的凝胶形变图、电容矩阵等异构数据转化为标准化触觉语言，使跨设备数据融合效率提升40%以上。
针对多模态融合难题，N₀-VTLA技术路线创新性地引入触觉预判机制。该模型通过编码当前触觉信号并预测未来50步触觉演变，使机器人在物理接触前就能调整操作策略。实验数据显示，在插头插入任务中，该技术将成功率从传统视觉方案的60%提升至85%，钥匙拔取任务成功率更达99%。更突破性的是，系统能利用失败案例进行自主进化，在毛巾折叠等复杂任务中，成功率从50%跃升至95%。
N₀-TWAM世界模型则重构了机器人的认知中枢，首次实现视频、触觉、动作三序列的联合预测。该模型采用混合专家架构，在保持72亿参数规模的同时，将预测精度提升至传统方案的两倍以上。真机测试表明，其在8项任务中的平均成功率达46.3%，较现有世界模型提升112%。消融实验证实，触觉预测模块对系统性能贡献率超过60%。
这项研究已形成完整的技术矩阵：数据底座解决触觉数据标准化难题，预判模型实现触觉与视觉的自然融合，世界模型构建物理交互的认知框架。项目开源的5000小时示范数据集和核心算法代码，为全球研究者提供了重要基础设施。研究团队透露，下一步将重点攻克跨本体泛化技术，推动触觉智能向通用化发展。
技术详情与数据资源可通过研究平台获取，完整技术方案已在国际顶级学术期刊发表。这项突破不仅为工业机器人、服务机器人提供关键技术支撑，更可能重塑整个具身智能领域的技术演进路径。随着触觉感知体系的完善，机器人正在从"看懂世界"向"摸透世界"发生根本性转变。
