ITBear旗下自媒体矩阵:

机器人48小时真机过关 具身模型加速走向物理现场

   时间:2026-11-16 21:14:31 来源:互联网编辑:快讯 IP:北京 发表评论无障碍通道
 

张江科学会堂内,一排简易绿幕隔间挨在一起,年轻开发者有的守着屏幕反复改代码,有的蹲在机器人旁校准动作。帐篷、线缆、机械臂和电脑挤满工作区,一场围绕人形机器人抓取能力的48小时真机黑客松就在这里展开。

闯入决赛的15支队伍从北京、上海、杭州、深圳、成都、武汉等地赶来,也有人专程从温哥华回国参赛。比赛采用统一技术底座:开源预训练模型LingBot-VLA 2.0、同一套机器人硬件、统一推理算力和任务环境。队伍要完成三项真机任务:单臂抓取水果蔬菜;单臂抓取化妆品并放进透明盒;双臂配合清理桌面垃圾,再倒入收纳筐。动作完成质量和任务成功率共同决定成绩。

这些动作在日常生活里并不稀奇,落到机器人身上却牵涉识别、抓稳、放准以及双臂协同。蚂蚁灵波科技市场运营及技术生态负责人江波说,短时间内把基础模型、硬件载体、推理算力和任务环境统合起来并不轻松,队伍必须迅速判断问题出在哪里,再找到解决办法。决赛现场,有团队重新采集数据,也有团队让DeepSeek等大模型参与协同工作。

“TARS”战队以82.5分排在首位。这支队伍平均年龄25岁,队名借用了电影《星际穿越》中的机器人。即将从天津大学硕士毕业的“00后”队长吴昊楠在路演中讲得很直接:把杂乱的多物体场景拆成单物体抓取,绕开VLA模型在复杂环境中的感知难点;用少量高精度补采数据和双人协作采集,削弱机械臂系统性误差,也尽量避免操作者生理舒适度影响动作轨迹的自然与有效。

亚军队伍EVA由华中科技大学、清华大学、北京大学等高校学生混合组成。队长武显瑾说,拿到赛题后,团队把目光投向他们熟悉的RSI,也就是递归式自我改进路线,希望让机器人更快进入“干活”状态。经过100多次自主测试,这套自我改进流程开始运转。赛场上有不少团队也在尝试类似的前沿方法。

赛事报名数据同样引人关注:海内外1855支队伍、3252名选手参与,来自13个国家,覆盖648所知名高校、科研院所、头部科技企业和具身智能公司,规模在同类赛事中居于前列。48小时真机比拼看起来是在抓果蔬、收化妆品、清桌面,实质上却是一次具身大模型从屏幕走向物理现场的压力测试。

上海交通大学副教授李永露认为,比赛留下的不只是名次,还有经过实战检验的工程经验和方法论。每一次抓取失败对应的边界条件、每一组校准后补采的数据、每一轮模型调优后的实测反馈,都在降低后来者的试错成本,让机器人“通用大脑”进入更多真实物理现场。

蚂蚁灵波CEO朱兴表示,具身智能仍在快速迭代,Scaling Law时刻尚未到来。在这之前,行业先要弄清楚哪一类数据的规模化能够促成智能涌现,但当下还没有共识答案。蚂蚁灵波首席科学家沈宇军则提到,具身智能各关键环节都还没有收敛,评测基准不收敛与模型难以收敛彼此牵制,数据采集形式也不统一。随着行业持续摸索,共识正在形成,评测机制、模型方式和数据采集标准可能迎来第一波收敛,角色分工与发展方向也会更清楚。

隔间里,屏幕上的代码仍在滚动,机械臂一次次伸向果蔬和透明盒;队员记录失败、重试参数、更换采集方式,帐篷边的零件和线缆随手就能拿到。48小时倒计时压在现场每个人头上,每一次抓取、放置和复位带来的反馈,都立刻变成下一轮调试的依据。

 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  争议稿件处理  |  English Version