機器之心發布

觸覺具身智能，正在成為打通機器人與物理世界交互的關鍵密碼。

當機器人執行精細操作時，真正的考驗往往始于接觸的瞬間：USB 插頭看似對準接口，卻在插入的瞬間因毫厘之差而被卡住；當夾爪抓住線束，稍一用力便使其偏離槽位；布料在相機視野中不過一個褶皺，真正拉動時卻演變成張力、層疊、摩擦和滑移的復雜物理耦合。

視覺模型雖然能提供位置、輪廓和語義信息，但到了物理接觸的瞬間，機器人還需要知道手上發生了什么：受力是否異常，物體有無形變，夾持是否穩定，下一步動作要不要調整。正是為了填補從「看見」到「感知」的關鍵鴻溝，上海新智具身智能科技有限公司（NeoteAI，下稱「新智具身」）堅定選擇了觸覺賽道，致力于深耕精細化操作這一制約機器人落地的核心難題。

近億元融資落地，政企校賦能夯實技術優勢

近日，新智具身宣布完成近億元天使輪融資。作為公司成立以來的首輪融資，本輪由上海國投旗下上海科創集團，以及復旦科創聯合領投，上海科創集團旗下策源基金等共同投資，多維資本擔任獨家財務顧問。

新智具身背靠產學研深度融合與地方政策雙重加持。作為復旦大學與靜安區戰略合作的重要落地成果，公司在初創期便獲得靜安區科經委與市北高新集團的大力培育，先后獲得靜安區戰略性資金及上海市經信委促進產業高質量發展專項資金的支持，上海市科委也針對其核心視觸覺傳感器的研發給予了專項經費支持，全面加速公司的技術攻關進程。

新智具身的核心團隊源自復旦大學可信具身智能研究院，具備深厚的產學研融合基因。

CEO 趙世豪本碩畢業于復旦大學，博士就讀于香港大學，曾作為核心研究員在微軟全球研究院、阿里通義實驗室深耕前沿模型研發，研究覆蓋視頻世界模型、生成式模型。

CEO 趙世豪

首席科學家吳祖煊為復旦大學可信具身智能研究院副院長，曾任職 Meta，長期深耕視頻模型、多模態模型等核心領域。

首席科學家吳祖煊

COO 董道國則是兼具學術與產業經驗的跨界人才，具有近 20 年的產業界經歷，曾任華為榮耀 Magic 一代首席架構師，現任復旦大學可信具身智能研究院研究員，主要為公司的技術商業化保駕護航。

COO 董道國

新智具身致力于將觸覺融入到機器人訓練與實操的全生命周期。團隊堅信，在機器人和物理世界產生交互的環節，觸覺信息都扮演著不可或缺的關鍵角色。基于這樣的核心理念，新智具身打造出視觸覺傳感器、精細化具身數據采集平臺、觸覺具身大模型三大核心能力體系，旨在攻克機器人完成精細化操作任務這一關鍵難題。

把接觸變成可用數據

給機器人裝上觸覺，聽起來只是多裝一個傳感器。但真正落到工程里，卻是一場關于感知精度與耐用性的極限挑戰。

傳感器要塞進夾爪或靈巧手指尖，尺寸、走線、接口、安裝方式都要適配；柔性材料要經得起反復按壓、摩擦和沖擊；采到的數據還要能進入模型，而不是停留在一串難以使用的傳感器讀數。

新智具身的破局入口，是其自研的視觸覺傳感器，面向夾爪、靈巧手等末端執行器，能夠精準采集接觸過程中的力、滑移、形變和邊界信息，用于精細化操作中的數據采集與模型訓練。

視觸覺路線的核心思路，是把接觸過程轉化為高密度視覺表征，再通過模型解耦出觸覺信息。相機看到的并非外部環境，而是傳感器內部柔性材料在受力后的形變。模型進一步從這些形變中推斷接觸位置、力場變化、滑移狀態和物體輪廓。

這條路線對軟硬件協同要求極高。傳感器內部涉及微光學結構、嵌入式系統、柔性材料和端側算法等。新智具身通過單色光、粒子方案與模型解耦技術，以降低對光照和相機的要求，也為后續成本控制留下空間，并通過材料迭代和模塊化結構降低維護成本。

新智具身·視觸覺傳感器

新智具身的視觸覺傳感器主要由復旦可信具身智能研究院研究員陳文明及其博士生羅虎主導研發，這也是公司與復旦大學產學研融合的首個標志性成果。目前，面向夾爪和靈巧手的系列傳感器已逐步實現產品化，不僅應用于公司自有的數據采集平臺和觸覺具身大模型，同步已向多家主流機器人本體企業完成交付。

數據平臺：觸覺模型的「燃料工廠」

傳感器解決了觸覺數據的采集入口，數據平臺則決定樣本的規模。

語言模型、視覺語言模型的能力提升，長期依賴大規模數據。具身智能模型面臨的麻煩更復雜：真實機器人稀缺、部署場景零散、任務類型復雜、采集成本高昂，尤其是涉及接觸和操作的數據，天然比圖像和文本更難規模化。

觸覺數據的采集難點在于對任務設計和設備要求更高。視覺數據可以通過相機連續記錄，觸覺數據還需要每一個末端執行器具備觸覺感知模塊，并配合力反饋系統、同步采集機制和后續標注流程。采集到的數據也不只是圖像序列，還包含接觸力、滑移、形變、紋理、輪廓等物理信息。

新智具身?大規模觸覺 + 視覺的具身數據采集

新智具身搭建的精細化具身數據大規模采集平臺，正是為了解決這些痛點。這些數據圍繞精準插拔、裝配、柔性整理等高頻精細化操作的場景，高效采集包含觸覺的高質量操作數據，目前已經形成了規模化的數據儲備，其價值在具身智能模型的訓練中得到充分體現：比如插頭進入接口時，阻力突然變大意味著角度可能需要調整；抓取紙杯時，局部形變過大意味著夾持力需要降低；整理布料時，張力變化會影響下一步拉動方向。這些判斷很難靠單幀圖像完成，需要模型從連續操作中學習動作和接觸結果之間的關系。

觸覺模型與精細操作

觸覺真正賦能具身智能，核心在于深度融入模型層，而這正是新智具身的技術王牌。

新智具身正在研發包含觸覺模態的具身大模型，目標是將觸覺接入預訓練具身大模型，并結合融入觸覺模態的強化學習技術路線，在多個精細化操作任務中取得了重大突破，精準度、穩定性與泛化能力上都達到了行業領先水平。

在傳統 VLA 框架中，模型主要依賴視覺和語言理解環境狀態與任務目標，再輸出動作，面對精細操作極易因感知盲區導致失敗。而新智具身的 VTLA 模型可實時獲取接觸后的最真實的反饋：是否夾住、是否滑移、是否插入到位、物體是否因受力發生形變，進而指導操作的完成。

世界模型的作用則更進一步。它需要精準學習動作如何改變環境狀態，僅靠視覺勉強應對剛性物體，一旦涉及柔性材料、精密裝配等精細化復雜任務，視覺捕捉的狀態信息往往非常不完善。而新智具身的觸覺世界模型，補齊了物理上的信息短板，在精細化場景中實現了精準預測，成功率提升90% 以上。

在強化學習環節，新智具身將觸覺作為策略優化的「黃金信號」。機器人執行動作時，如果觸覺反饋顯示夾持不穩、阻力異常或發生滑移，策略可以被進一步修正。對插拔、精密裝配、軟物體抓取、柔性整理這些高難度的精細任務，這類實時反饋直接決定操作的成敗，進一步將失誤率降至趨近于零。

文中視頻鏈接：https://mp.weixin.qq.com/s/yadSZW97nANVysGlvOsBpA

新智具身?觸覺具身大模型的精細操作

從工廠任務開始驗證

當前具身智能的發展，距離通用智能機器人還有很長路徑。短期更清晰的商業化入口，仍在工廠和半結構化場景。

無論是線束裝配還是柔性材料整理，這些高頻精細操作任務都具備幾個特點：接觸過程復雜、自動化需求明確、任務邊界清晰，并且效果可以通過成功率、節拍、損傷率等指標量化評估。對觸覺模型而言，這些場景既能產生高價值數據，也更容易驗證模型增益。

上海本地產業提供了適合觸覺路線的應用土壤。汽車、3C、家紡等產業對自動化精細操作都有大量需求，許多任務無法通過簡單視覺定位和固定軌跡完成，需要機器人在接觸過程中持續調整動作。新智具身已精準切入這些傳統視覺方案難以攻克的工業場景，并成功斬獲多個 POC 訂單。

隨著機器人深度滲透到插拔、裝配、抓取、整理等核心任務，觸覺必將成為無法繞開的核心要素，新智具身正以觸覺為鑰匙，打開機器人通往真實物理世界的大門，引領具身智能進入「感知無死角、操作更精準」的全新階段。