机器人会看，离会干活还差一层“手感”。
7 月 25 日，上海新智具身智能科技有限公司 NeoteAI 与复旦大学可信具身智能研究院发布 N0 系列三份技术报告：N0-Foundation、N0-VTLA 和 N0-TWAM。量子位随后用中文完整梳理了这组工作，标题里的数字很直观：3 万小时视觉-触觉交互数据，外加项目数据、代码和模型开放。
这条新闻的看点不在又多了一个机器人模型。它把一个很具体的失败场景摆到了桌面上：摄像头能看到插头对准了插座，却不知道边缘有没有卡住；视觉模型能判断杯子在手里，却不知道夹力会不会把瓶身捏瘪。
量子位那句概括很适合当作现场问题：“看得见杯子不等于拿得稳，认得出插座不等于插得进。”对机器人公司来说，这句话对应的是产线、厨房和仓库里每天都会出现的物理限制。
触觉先变成数据底座
N0-Foundation 先回答数据问题。官方研究页给出的 NeoData 规模是：超过 30000 小时交互数据、140 万条操作片段、33 亿个离散步、80 亿帧 RGB 画面和 100 亿帧触觉图像。
采集设备覆盖多类平台。数据包含 6 种本体，包括手持 N0-TacUMI 夹爪，以及 Franka Research 3、Piper、ARX X5、UR5e、Flexiv Rizon 4s 五类机器人平台；任务数超过 450 项，从叠衣、插拔接头、倒液体，到精细零件装配和双臂协作。
这组数字要谨慎读。它说明团队在补齐触觉数据的规模短板，但距离机器人通用化还有工程距离。官方也只开放了其中 5000 小时子集，覆盖 6 种本体、250 多项任务和 200 多种技能。对外部开发者来说，可复现实验的范围仍取决于开源子集、传感器复刻成本和训练代码可用性。
模型开始预测下一秒会摸到什么
第二份报告 N0-VTLA 走的是 VLA 路线。它没有把触觉图像当作另一路摄像头简单拼接，处理方式是先把当前接触信息压成 latent tactile tokens，再预测未来一个动作片段内触觉会怎样变化。
人话版本是：机器人要在下一步动作生成前，先估计“会不会滑、会不会顶住、会不会坐实”，减少手指碰坏之后才补救的被动反应。
官方在九个 NeoReal 真机任务上给出的平均成功率是 47.2%，对照的 π0.5 基线为 29.4%；插插头任务中 N0-VTLA 达到 85%，视觉方案为 60%；棋盘插入任务从两个基线的 0 提升到 25%。在 UniVTAC 与 NeoSim 合计评测里，它的平均成功率为 63.8%，强于最强总体基线的 44.0%。
这里的限制条件同样清楚：这些是团队报告里的封闭任务口径，任务、传感器和机器人平台由研究方定义。它们能证明触觉对接触类任务有帮助，却还不能证明一套模型能直接搬进任意工厂。
世界模型把“摸”也放进未来
第三份报告 N0-TWAM 更激进：它把未来视频、未来触觉和动作放进同一个世界动作模型里生成。模型参数量为 7.16B，其中视频专家 5.00B、动作专家 1.13B、触觉专家 1.03B；预训练跑了 30000 步，使用 128 张 H800 GPU。
评测结果里，N0-TWAM 在 UniVTAC、NeoSim 和 8 个真机任务上的平均成功率分别为 84.5%、49.4%、46.3%。真机平均值高于 π0.5 的 30.0%、LingBot-VA 的 21.9% 和 FastWAM 的 14.4%。
这组结果和今年另一条机器人路线形成对照。7 月中旬，智在无界 Being-M0.7 把重点放在“先学人，再落到人形机器人全身动作”；N0 则把重点放在接触状态本身。一个解决身体怎么连续运动，一个解决手指碰到物体后如何确认动作完成。真实部署里，两类能力最后很可能要合在一起。
下一步看开源能不能跑起来
N0 这次强在资料完整：三份技术页、技术报告、代码、数据集和 checkpoint 入口都已公开。它也把机器人行业长期回避的问题讲得很细：只靠视觉，很多接触状态本来就看不见。
但它还没越过工程门槛。触觉传感器要耐磨、要标定、要和机械手集成；多本体数据要解决不同硬件之间的力学差异；真机评测的样本量也需要扩大。对产业侧来说，后续最该看的三件事很具体：开源数据是否被第三方复现，NeoReal/NeoSim 是否出现外部提交，触觉传感器能否进入稳定量产。
如果这些节点能接上，具身智能的数据竞赛会多出一条新轴线。过去一年行业不断堆视觉、语言和动作轨迹，N0 提醒大家，很多失败发生在接触那一瞬间；那个瞬间，摄像头往往已经不够用了。
参考来源：量子位、NeoteAI/复旦 N0-Foundation 技术报告、N0-VTLA 技术报告、N0-TWAM 技术报告、Hugging Face 数据集、GitHub 代码仓库、CocoLoop；核验 3 万小时交互数据、140 万操作片段、33 亿离散步、80 亿 RGB 帧、100 亿触觉帧、5000 小时开源子集、九项 NeoReal 任务成功率、N0-TWAM 7.16B 参数、128 张 H800 与各项评测口径。