Robôs podem ver, mas muitas falhas de manipulação acontecem nos dedos. A NeoteAI e a equipe TEAI da Universidade Fudan publicaram três relatórios técnicos N0: N0-Foundation, N0-VTLA e N0-TWAM, com páginas de pesquisa, dados, código e checkpoints.
O tato vira camada de dados
O N0-Foundation informa que o NeoData contém mais de 30.000 horas de interação visual-tátil, 1,4 milhão de episódios, 3,3 bilhões de timesteps, 8 bilhões de frames RGB e 10 bilhões de frames táteis. O corpus cobre seis embodiments e mais de 450 tarefas.
O subconjunto aberto tem 5.000 horas, seis embodiments, mais de 250 tarefas e mais de 200 habilidades. É uma base relevante para reprodução, mas boa parte do corpus completo ainda não está pública.
O modelo prevê o próximo contato
O N0-VTLA não apenas concatena imagens táteis aos frames da câmera. Ele comprime o contato atual em tokens táteis latentes e prevê como o tato mudará no próximo bloco de ação. O robô tenta antecipar deslizamento, travamento ou encaixe antes de terminar o movimento.
Segundo o relatório da equipe, o N0-VTLA alcança 47,2% de sucesso médio em nove tarefas reais NeoReal, contra 29,4% do baseline pi0.5. A tarefa de encaixar plugue chega a 85% contra 60%, e board insertion sobe de zero nos dois baselines para 25%.
Um world model que também sente
O N0-TWAM gera vídeo futuro, tato futuro e ação em um único world-action model. Ele tem 7,16B parâmetros treináveis e foi pré-treinado por 30.000 passos em 128 GPUs H800.
As taxas médias reportadas são 84,5% no UniVTAC, 49,4% no NeoSim e 46,3% em oito tarefas reais. Os próximos pontos de verificação são reprodução independente, submissões externas ao NeoReal/NeoSim e sensores táteis fabricados e calibrados com estabilidade.
Fontes: QbitAI, relatório técnico NeoteAI/Fudan N0-Foundation, relatório técnico N0-VTLA, relatório técnico N0-TWAM, conjunto de dados Hugging Face, repositórios GitHub, CocoLoop; verificados 30.000 horas de interação, 1,4 milhão de episódios, 3,3 bilhões de timesteps, 8 bilhões de frames RGB, 10 bilhões de frames táteis, subconjunto aberto de 5.000 horas, taxas NeoReal, N0-TWAM com 7,16B parâmetros, 128 H800 e escopos de benchmark.