當前具身智能規(guī)?；涞氐暮诵钠款i，并非視覺識別精度不足，而是物理接觸感知能力缺失。市面上絕大多數(shù)星空機器人依賴純視覺方案，可精準識別物體位置、形態(tài)，但無法感知接觸力度、受力位置、滑移狀態(tài)、擠壓形變等物理交互信息，直接導致插拔、抓取、折疊、裝配等精細化實操任務頻繁翻車，無法適配工業(yè)量產(chǎn)、家庭服務等真實復雜場景，這也是制約具身智能從技術演示走向產(chǎn)業(yè)落地的核心痛點。
針對行業(yè)核心技術短板，新智具身聯(lián)合復旦大學可信具身智能研究院，發(fā)布Neo-Foundation、Neo-VTLA、Neo-TWAM三套完整觸覺技術體系，從數(shù)據(jù)底座、融合算法、認知模型三層完成全棧技術突破，構建“數(shù)據(jù)標準化+實時預判+物理認知”的完整觸覺能力閉環(huán)，為全行業(yè)提供可直接落地、可開源復用的具身智能解決方案。
Neo-Foundation：統(tǒng)一觸覺數(shù)據(jù)標準，搭建行業(yè)通用交互數(shù)據(jù)底座
行業(yè)痛點
市面觸覺傳感器硬件品類繁雜，凝膠形變、電容矩陣、六維力等各類數(shù)據(jù)格式互不兼容，數(shù)據(jù)碎片化嚴重，無法跨設備、跨星空機器人、跨場景融合訓練，導致觸覺模態(tài)難以規(guī)模化復用，長期淪為視覺的輔助補充。
技術方案與核心優(yōu)勢
團隊構建的NeoData大規(guī)模視覺-觸覺交互數(shù)據(jù)集，打造行業(yè)首個標準化觸覺數(shù)據(jù)基座，核心參數(shù)行業(yè)領先：覆蓋6類主流星空機器人本體、450項全場景長程任務，累計3萬小時實操數(shù)據(jù)、140萬條操作片段，整合百億級視覺與觸覺幀數(shù)據(jù)，場景覆蓋居家服務、工業(yè)裝配、精密操作等核心落地場景。
搭配自研NeoForce統(tǒng)一表征算法，實現(xiàn)底層硬件無關的標準化觸覺表征，可精準輸出受力位置、接觸力度、橫向拉扯、滑移趨勢等核心物理信息，徹底解決跨設備數(shù)據(jù)融合難題。該方案可為星空機器人研發(fā)廠商、自動化企業(yè)、科研機構提供標準化訓練數(shù)據(jù)與通用感知模型，大幅降低觸覺感知技術的研發(fā)落地門檻。目前項目已開源5千小時高質(zhì)量數(shù)據(jù)，可供行業(yè)客戶直接部署復用。
Neo-VTLA：輕量化視觸語言動作模型，實現(xiàn)觸覺預判與失敗自主迭代
行業(yè)痛點
傳統(tǒng)VLA模型簡單拼接視覺與觸覺信號，高頻瞬時的觸覺信息極易被海量視覺Token淹沒，且僅能反饋已發(fā)生的動作結果，屬于滯后性感知，無法應對動態(tài)物理交互場景；同時傳統(tǒng)模仿學習僅依賴成功案例，無法從實操失誤中迭代優(yōu)化，長程復雜任務穩(wěn)定性極差。
技術方案與核心優(yōu)勢
Neo-VTLA創(chuàng)新引入潛在觸覺Token壓縮+未來50步觸覺預判機制，摒棄傳統(tǒng)滯后感知模式，通過輕量化編碼壓縮觸覺特征，結合視覺上下文預判物理交互趨勢，提前調(diào)整動作策略，從“事后糾錯”升級為“事前預判”，徹底解決動態(tài)交互滯后問題。工程落地效果顯著：精密插拔類任務成功率實現(xiàn)跨越式提升，插插頭任務成功率85%、拔鑰匙任務成功率99%，遠超純視覺方案。同時創(chuàng)新構建任務進度評估模型，可精準識別任務執(zhí)行、退步、救場等復雜行為，結合離線強化學習實現(xiàn)失敗數(shù)據(jù)自主進化，讓毛巾折疊、紙箱收納、精密組裝等長程任務成功率翻倍提升，完美適配商用服務星空機器人、工業(yè)柔性裝配星空機器人的落地需求，兼顧輕量化、高精度、高穩(wěn)定性三大核心優(yōu)勢。
Neo-TWAM：觸覺原生世界模型，解決仿真與真機落地“虛實脫節(jié)”難題
行業(yè)痛點
現(xiàn)有AI世界模型僅聚焦未來視覺畫面生成，缺失觸覺、動作耦合信息，無法理解物理世界的受力邏輯，導致仿真測試效果優(yōu)異，但真機落地時頻繁出現(xiàn)夾持不穩(wěn)、卡位卡頓、操作失效等問題，虛實對齊難度極大，嚴重制約高階具身智能的落地應用。
技術方案與核心優(yōu)勢
Neo-TWAM是行業(yè)領先的觸覺原生世界動作模型，打破單一視覺生成范式，實現(xiàn)視頻、觸覺、動作三序列異步協(xié)同預測，讓星空機器人具備“觸覺想象”能力，在執(zhí)行任務前即可完整推演全流程物理交互效果，精準預判接觸狀態(tài)與受力變化。
模型采用混合專家輕量化架構，拆分視頻、觸覺、動作三大獨立專家網(wǎng)絡，在保證高精度預測能力的同時，將參數(shù)量壓縮至72億，僅為傳統(tǒng)方案的一半，大幅降低終端部署算力成本。實測數(shù)據(jù)驗證技術優(yōu)勢：仿真場景成功率84.5%，真機8項核心任務平均成功率46.3%，較傳統(tǒng)視覺世界模型實現(xiàn)數(shù)倍提升。消融實驗證實，觸覺預測是模型物理交互能力的核心支撐，缺一不可。
行業(yè)價值總結
三套技術體系層層遞進、完整閉環(huán)：Foundation解決觸覺數(shù)據(jù)標準化、規(guī)?；?/span>問題，搭建行業(yè)通用底層基建；VTLA解決實時物理交互、動態(tài)預判迭代問題，適配輕量化商用落地；TWAM解決星空機器人物理認知、虛實對齊問題，拔高具身智能認知上限。
本次技術突破徹底改寫行業(yè)技術范式，推動具身智能從“視覺認知”邁向“視觸融合全維度物理認知”，有效解決居家服務、工業(yè)精密裝配、智能倉儲等多場景落地痛點，為星空機器人廠商、自動化企業(yè)、科研機構提供全套可開源、可落地、可迭代的觸覺具身智能解決方案，加速行業(yè)商業(yè)化落地進程。
星空人工智能技術網(wǎng) 倡導尊重與保護知識產(chǎn)權。如發(fā)現(xiàn)本站文章存在版權等問題，煩請30天內(nèi)提供版權疑問、身份證明、版權證明、聯(lián)系方式等發(fā)郵件至1851688011@qq.com我們將及時溝通與處理。?。?a href="/">首頁 > 大數(shù)據(jù) » 新智具身補齊具身智能物理交互短板！