30.000 giờ dữ liệu xúc giác mang lại cảm giác chạm cho AI nhập thể

NeoteAI（上海新智能具身智能科技有限公司）与复旦大学可信具身智能研究院合作发布了N0系列模型的三份技术报告。Neodata数据集包含超过3万小时的视觉-触觉交互数据、140万个动作片段、330亿个时间步长、80亿个RGB帧和100亿个触觉图像，这些数据来自6个机器人平台（Franka、Piper、UR5e等），由90名操作员在450个长时域任务中采集。N0-VTLA是一种触觉增强的视觉-语言-动作模型，可预测未来50步的触觉状态，在插头插入任务中成功率达到85%（纯视觉模型为60%），在钥匙提取任务中达到99%（纯视觉模型为35%）。N0-TWAM是一个拥有72亿参数的世界模型，采用混合专家架构，同时预测视频、触觉和动作序列；模拟平均成功率为84.5%（基线为36%），真实世界平均成功率为46.3%（LingBot-VA为21.9%）。该项目已在research.neoteai.com开源。