Specyfikacja Wymiary robota to: 573 x 311 x 275 mm. Waży 5,2 kg. NAO ma wbudowane 2 głośniki i 4 mikrofony, dzięki którym jest w stanie określić kierunek i natężenie słyszanego dźwięku oraz rozpoznać ludzi, a także wyrazy i zdania wypowiedziane w jednym z 19 języków, dzięki oprogramowaniu firmy Nuance. Na głowie ma zamontowane 2 kamery wideo o max. rozdzielczości nagrywania 1280x960 px w tempie 30 kl/s. Jest w stanie rozpoznawać przedmioty i twarze, dzięki czemu można nauczyć go by podnosił rzeczy z podłogi lub przywitał znajomą osobę. Oprogramowanie Choregraphe pozwala NAO czytać na głos tekst napisany w jednym z 19 języków. Robot posiada także zestaw dwóch czujników IR w oczach i dwa dalmierze ultradźwiękowe umieszczone na klatce piersiowej. W utrzymaniu równowagi pomagają mu 2 żyroskopy, akcelerometr i 8 czujników nacisku umieszczonych w stopach. Pozycja każdej części ciała jest dokładnie śledzona dzięki 36 czujnikom hallotronowym w przegubach, dzięki czemu nigdy nie dojdzie do niechcianej kolizji między ruchliwymi kończynami NAO, zapewniającymi mu 25 stopni swobody. Za ruch ciała odpowiada 26 serwomotorów (szczotkowych, bezrdzeniowych). Ma wbudowaną bezprzewodową kartę sieciową umożliwiającą mu łączenie się z internetem. Oczy robota mogą przybierać różne kolory, reprezentując jego nastrój.