触觉具身智能，正在成为打通机器人与物理世界交互的关键密码。
当机器人执行精细操作时，真正的考验往往始于接触的瞬间：USB 插头看似对准接口，却在插入的瞬间因毫厘之差而被卡住；当夹爪抓住线束，稍一用力便使其偏离槽位；布料在相机视野中不过一个褶皱，真正拉动时却演变成张力、层叠、摩擦和滑移的复杂物理耦合。
视觉模型虽然能提供位置、轮廓和语义信息，但到了物理接触的瞬间，机器人还需要知道手上发生了什么：受力是否异常，物体有无形变，夹持是否稳定，下一步动作要不要调整。正是为了填补从「看见」到「感知」的关键鸿沟，上海新智具身智能科技有限公司（NeoteAI，下称「新智具身」）坚定选择了触觉赛道，致力于深耕精细化操作这一制约机器人落地的核心难题。
近亿元融资落地，政企校赋能夯实技术优势
近日，新智具身宣布完成近亿元天使轮融资。作为公司成立以来的首轮融资，本轮由上海国投旗下上海科创集团，以及复旦科创联合领投，上海科创集团旗下策源基金等共同投资，多维资本担任独家财务顾问。
新智具身背靠产学研深度融合与地方政策双重加持。作为复旦大学与静安区战略合作的重要落地成果，公司在初创期便获得静安区科经委与市北高新集团的大力培育，先后获得静安区战略性资金及上海市经信委促进产业高质量发展专项资金的支持，上海市科委也针对其核心视触觉传感器的研发给予了专项经费支持，全面加速公司的技术攻关进程。
新智具身的核心团队源自复旦大学可信具身智能研究院，具备深厚的产学研融合基因。
CEO 赵世豪本硕毕业于复旦大学，博士就读于香港大学，曾作为核心研究员在微软全球研究院、阿里通义实验室深耕前沿模型研发，研究覆盖视频世界模型、生成式模型。
CEO 赵世豪
首席科学家吴祖煊为复旦大学可信具身智能研究院副院长，曾任职 Meta，长期深耕视频模型、多模态模型等核心领域。
首席科学家吴祖煊
COO 董道国则是兼具学术与产业经验的跨界人才，具有近 20 年的产业界经历，曾任华为荣耀 Magic 一代首席架构师，现任复旦大学可信具身智能研究院研究员，主要为公司的技术商业化保驾护航。
COO 董道国
新智具身致力于将触觉融入到机器人训练与实操的全生命周期。团队坚信，在机器人和物理世界产生交互的环节，触觉信息都扮演着不可或缺的关键角色。基于这样的核心理念，新智具身打造出视触觉传感器、精细化具身数据采集平台、触觉具身大模型三大核心能力体系，旨在攻克机器人完成精细化操作任务这一关键难题。
把接触变成可用数据
给机器人装上触觉，听起来只是多装一个传感器。但真正落到工程里，却是一场关于感知精度与耐用性的极限挑战。
传感器要塞进夹爪或灵巧手指尖，尺寸、走线、接口、安装方式都要适配；柔性材料要经得起反复按压、摩擦和冲击；采到的数据还要能进入模型，而不是停留在一串难以使用的传感器读数。
新智具身的破局入口，是其自研的视触觉传感器，面向夹爪、灵巧手等末端执行器，能够精准采集接触过程中的力、滑移、形变和边界信息，用于精细化操作中的数据采集与模型训练。
视触觉路线的核心思路，是把接触过程转化为高密度视觉表征，再通过模型解耦出触觉信息。相机看到的并非外部环境，而是传感器内部柔性材料在受力后的形变。模型进一步从这些形变中推断接触位置、力场变化、滑移状态和物体轮廓。
这条路线对软硬件协同要求极高。传感器内部涉及微光学结构、嵌入式系统、柔性材料和端侧算法等。新智具身通过单色光、粒子方案与模型解耦技术，以降低对光照和相机的要求，也为后续成本控制留下空间，并通过材料迭代和模块化结构降低维护成本。
新智具身·视触觉传感器
新智具身的视触觉传感器主要由复旦可信具身智能研究院研究员陈文明及其博士生罗虎主导研发，这也是公司与复旦大学产学研融合的首个标志性成果。目前，面向夹爪和灵巧手的系列传感器已逐步实现产品化，不仅应用于公司自有的数据采集平台和触觉具身大模型，同步已向多家主流机器人本体企业完成交付。
数据平台：触觉模型的「燃料工厂」
传感器解决了触觉数据的采集入口，数据平台则决定样本的规模。
语言模型、视觉语言模型的能力提升，长期依赖大规模数据。具身智能模型面临的麻烦更复杂：真实机器人稀缺、部署场景零散、任务类型复杂、采集成本高昂，尤其是涉及接触和操作的数据，天然比图像和文本更难规模化。
触觉数据的采集难点在于对任务设计和设备要求更高。视觉数据可以通过相机连续记录，触觉数据还需要每一个末端执行器具备触觉感知模块，并配合力反馈系统、同步采集机制和后续标注流程。采集到的数据也不只是图像序列，还包含接触力、滑移、形变、纹理、轮廓等物理信息。
新智具身・大规模触觉 + 视觉的具身数据采集
新智具身搭建的精细化具身数据大规模采集平台，正是为了解决这些痛点。这些数据围绕精准插拔、装配、柔性整理等高频精细化操作的场景，高效采集包含触觉的高质量操作数据，目前已经形成了规模化的数据储备，其价值在具身智能模型的训练中得到充分体现：比如插头进入接口时，阻力突然变大意味着角度可能需要调整；抓取纸杯时，局部形变过大意味着夹持力需要降低；整理布料时，张力变化会影响下一步拉动方向。这些判断很难靠单帧图像完成，需要模型从连续操作中学习动作和接触结果之间的关系。
触觉模型与精细操作
触觉真正赋能具身智能，核心在于深度融入模型层，而这正是新智具身的技术王牌。
新智具身正在研发包含触觉模态的具身大模型，目标是将触觉接入预训练具身大模型，并结合融入触觉模态的强化学习技术路线，在多个精细化操作任务中取得了重大突破，精准度、稳定性与泛化能力上都达到了行业领先水平。
在传统 VLA 框架中，模型主要依赖视觉和语言理解环境状态与任务目标，再输出动作，面对精细操作极易因感知盲区导致失败。而新智具身的 VTLA 模型可实时获取接触后的最真实的反馈：是否夹住、是否滑移、是否插入到位、物体是否因受力发生形变，进而指导操作的完成。
世界模型的作用则更进一步。它需要精准学习动作如何改变环境状态，仅靠视觉勉强应对刚性物体，一旦涉及柔性材料、精密装配等精细化复杂任务，视觉捕捉的状态信息往往非常不完善。而新智具身的触觉世界模型，补齐了物理上的信息短板，在精细化场景中实现了精准预测，成功率提升 90% 以上。
在强化学习环节，新智具身将触觉作为策略优化的「黄金信号」。机器人执行动作时，如果触觉反馈显示夹持不稳、阻力异常或发生滑移，策略可以被进一步修正。对插拔、精密装配、软物体抓取、柔性整理这些高难度的精细任务，这类实时反馈直接决定操作的成败，进一步将失误率降至趋近于零。
新智具身・触觉具身大模型的精细操作
从工厂任务开始验证
当前具身智能的发展，距离通用智能机器人还有很长路径。短期更清晰的商业化入口，仍在工厂和半结构化场景。
无论是线束装配还是柔性材料整理，这些高频精细操作任务都具备几个特点：接触过程复杂、自动化需求明确、任务边界清晰，并且效果可以通过成功率、节拍、损伤率等指标量化评估。对触觉模型而言，这些场景既能产生高价值数据，也更容易验证模型增益。
上海本地产业提供了适合触觉路线的应用土壤。汽车、3C、家纺等产业对自动化精细操作都有大量需求，许多任务无法通过简单视觉定位和固定轨迹完成，需要机器人在接触过程中持续调整动作。新智具身已精准切入这些传统视觉方案难以攻克的工业场景，并成功斩获多个 POC 订单。
随着机器人深度渗透到插拔、装配、抓取、整理等核心任务，触觉必将成为无法绕开的核心要素，新智具身正以触觉为钥匙，打开机器人通往真实物理世界的大门，引领具身智能进入「感知无死角、操作更精准」的全新阶段。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com