上海张江48小时:15支战队教机器人抓水果、扫垃圾,结果00后团队拿下最高分

2026-11-16 22:22:48
来源:新闻晨报
作者:苗夏丽
分享
AIME

问财摘要

1、11月16日,首届蚂蚁灵波具身大模型挑战赛在张江科学会堂揭晓结果,平均年龄25岁的“TARS”战队以82.5分获得最高分。他们集中数据产能到第三个双臂任务,甚至放弃官方数据中不够稳定的抓握方式,重新采集。
文章提及标的
化妆品--
人工智能--
Robot--
查看股票机会下载客户端

11月16日,上海张江科学会堂。一个个被绿布围起来的操作台,刚刚经历过去48小时最焦灼的时刻。这天下午,首届蚂蚁灵波具身大模型挑战赛结果揭晓。

82.5分,三轮真机测评中的最高分,让平均年龄只有25岁的“TARS”战队拿到冠军。这支队伍的五名成员分别来自福田实验室、西北工业大学、普渡机器人和天津大学,队名“TARS”取自电影《星际穿越》中那个忠诚幽默的机器人,队长吴昊楠是即将从天津大学硕士毕业的00后。

48小时前,他们和其他14支队伍拿到同一份赛题:三个任务,用单臂抓取水果和蔬菜,把化妆品(884272)放进透明收纳盒,再用双臂把桌面垃圾扫入簸箕、倒进收纳筐。所有队伍以开源预训练视觉-语言-动作模型(VLA)LingBot-VLA2.0为技术底座,使用统一的松灵COBOT MAGIC机器人硬件、推理算力和任务环境。

这些动作在人类日常生活中看起来非常简单,机器人做起来却每一步都可能失败:透明盒会反光,机械臂伸远后会出现下坠,物体被碰歪后位置改变,两只机械臂还可能互相干扰……

“TARS”战队的解法,不是平均用力。吴昊楠和队友判断,前两个任务本质上都接近“抓起来、放下去”,官方数据已经足够;真正的难点在第三个双臂任务。他们把数据产能集中到任务三,甚至放弃官方数据中不够稳定的抓握方式,重新采集。

采集也不是一个人同时控制两只机械臂,而是一人负责左臂、一人负责右臂,第三人检查数据质量。吴昊楠解释,高质量专家数据应该动作简单、直接,没有停顿、犹豫或明显错误。

他们还发现,机械臂向前伸得越远,重力造成的下坠越明显,放置动作会把盒子轻轻推歪。团队用真实数据拟合偏移量,再在推理侧补偿。这个看似细小的修正,成为冠军方案的一部分。

真机给所有队伍上了一课

冠军只是48小时里的一个切面。

EVA战队第一天用公开数据训练,真机成功率只有约10%。此后,他们让模型执行任务、回收失败案例,用AI辅助标注,再由人工接管补采数据。经过约7轮数据回流,团队把成功率推到70%左右,最终获得二等奖。

EVA战队队长武显瑾告诉记者,之前主要聚焦在学术和研究方面,这次参赛有了很大的认知突破,本来以为真机的实验,就是把模型训练好了在真机里面部署一下就可以,真实的情况是还要考虑物理世界的各种因素,从布局、光照到目标物体的颜色等等,要比仿真复杂多了。

同样获得二等奖的SST战队走了另一条路:用DeepSeek解析指令,用SAM3分割目标,再把带掩码的图像交给VLA执行。他们只额外采集了13条数据,最终站上二等奖领奖台。

复旦FDU_SONIC没有搭建复杂的上层系统,而是先分析647条官方数据缺什么,再穷举物体和初始位置,持续补采、训练、验证,最终获得三等奖。央企检测队“今天也要好好检东西”搭建了完整的仿真和评测流程,却被一个细节拖住:桌子位置与预期相差约5厘米,透明收纳盒任务因此连续偏移。

“师兄会帮我调真机的对不队”则在复盘中发现,五个人轮流采数据,动作习惯不一致,反而让模型难以收敛。更多队伍意识到,数据不是越多越好,分布、质量和一致性更重要。

蚂蚁灵波首席科学家沈宇军表示,一个聪明的机器人“大脑”面临三重挑战:输入有误差,输出要经受物理交互的检验,而物理世界的任务不会等待模型;能解决通用问题的模型,不一定适合机器人。正因如此,蚂蚁灵波围绕物理作业设计模型能力,打造具身原生大脑,让机器人看得更清楚、摸得更灵敏、想得更明白、干得更利索。

“如果你在仿真上表现不好,那证明你的模型肯定不行;但你在仿真表现好,并不代表你的模型可以了。”沈宇军说。确实,摄像头角度、光照、桌面位置、机械臂状态,任何微小变化都可能把仿真中的高分变成真机上的失败。具身智能真正困难的地方,正在于模型输出必须接受物理世界的检验。

为什么吸引1855支队伍参与进来

首届蚂蚁灵波具身大模型挑战赛,吸引了13个国家的1855支队伍、3252名选手报名。有人从温哥华专程飞回,有人通过小红书招募陌生队友,也有在职工程师用国庆假期完成第一次训练。

吸引力首先来自开源底座,参赛者不需要从零训练模型,可以基于LingBot-VLA2.0直接做微调、部署和真机验证。蚂蚁灵波市场运营及技术生态负责人江波透露,公司内部最初把报名目标定在500支,后来提高到1000支、1500支,最终结果仍超出预期。

“我们希望把比赛作为一个起点,向更多开发者提供更长期的支持。”江波说,比赛中暴露的问题,也会反馈给模型团队,反哺后续迭代。

值得关注的是,灵波模型已经进入多个全球开发流程。Hugging Face LeRobot(LAWR)、SGLang、vLLM-Omni等平台和工具提供适配;泰国开发者用LingBot-Map区分两座几乎相同的番茄温室,瑞士EPFL团队把LingBot-Map接入珊瑚礁三维重建流程,斯坦福OpenWAM复用了LingBot-VA的开源组件。

江波接受采访时说,灵波全栈模型在GitHub上的Star数已超过3.4万,模型和数据集下载量突破220万。开源让比赛不只是15支队伍的竞争,也把高校、企业、研究机构和独立开发者放进同一个技术网络。

“举办具身大模型挑战赛,比拼沉淀下的不仅是荣誉,更是一套经受住实战检验的工程经验与方法论。”上海交通大学人工智能(885728)学院副教授李永露表示,通过统一基础模型、硬件载体与实操任务,大赛为高校学者、产业工程师与独立极客搭建了一个“控制变量实验场”——每一次抓取失败的边界条件、每一组精准校准的补采数据、每一次模型调优后的实测反馈,都能为后来者减少试错成本,推动机器人“通用大脑”走进下一个真实的物理现场。

赛道太热,还要保持清醒

热闹之外,蚂蚁灵波CEO朱兴表示,行业目前还在快速迭代,尚未迎来具身智能的Scaling Law时刻。不过随着一些技术落地验证和产学研生态的协同,具身智能的进化也会加速。

在朱兴看来,业内还没有答案,哪一种数据的规模化,能够真正触发具身智能能力的跃迁。不同数据路线各有价值。越靠近预训练,越需要覆盖广、以人为中心的数据;越靠近具体任务,越需要真实场景和机器人本体数据。但如果质量没有弄清楚就盲目上量,可能只是浪费资源。

对于需要接近99.9%成功率的真实任务,沈宇军明确表示,这样的成功率不是48小时能做出来的。但他更在意另一个信号,48小时后,多支队伍已经把方案跑上真机,普通开发者开始能够基于开源模型完成真实任务,整个具身智能的门槛正在下降。

这也是蚂蚁灵波坚持“具身原生”的原因。通用大模型可以理解任务、规划步骤,但机器人还要判断物体在哪里、夹爪是否滑动、机械臂是否可达、失败后如何恢复。朱兴认为,通用大模型和物理基础模型不是替代关系,未来更可能形成“1+1大于2”的配合。

上海提供了一个观察样本

蚂蚁灵波作为蚂蚁集团旗下具身智能公司,总部位于上海。决赛放在张江,并非偶然。

朱兴认为,上海在人才密度、产业配套和供应链上下游方面具备确定性优势,是中国具身智能产业未来的重要高地。决赛中,复旦、同济、上海交大等本地高校团队与北京、深圳、武汉、成都等地的队伍同场竞技,本身就构成了一种生态的缩影。

11月16日下午,蚂蚁灵波发布开发者生态计划,将邀请20位“蚂蚁灵波最有价值专家”,支持教学与学术创新;同时招募40位蚂蚁灵波开发者专家,持续为开发者提供技术与资源支持。

比赛最终名单里,TARS获得一等奖,EVA、SST获得二等奖,Vida、FDU_SONIC、ai-Robot(LAWR)获得三等奖,另有9支队伍获得优秀奖、3支队伍获得观察团特别奖。但比奖牌更重要的是,15支队伍在同一张实验台上留下了各自的成功和失败:哪类数据有效,哪种误差会被放大,哪些方法能从仿真走到真机,哪些会停在最后一步。

具身智能还没有迎来确定性的爆发时刻。机器人要真正走进药房、工厂、仓库和家庭,仍需跨过高成功率、低成本和长时间稳定运行几道关。

但至少在这48小时里,一个变化已经发生,机器人“大脑”不再只是论文和演示视频里的概念,而是被一群年轻开发者带到真实机械臂上,接受一次次抓取、碰撞、失败和修正。

这正是上海这场比赛留下的最大价值。

免责声明:风险提示:本文内容仅供参考,不代表同花顺观点。同花顺各类信息服务基于人工智能算法,如有出入请以证监会指定上市公司信息披露平台为准。如有投资者据此操作,风险自担,同花顺对此不承担任何责任。
homeBack返回首页
不良信息举报与个人信息保护咨询专线:10100571违法和不良信息涉企侵权举报涉算法推荐举报专区涉青少年不良信息举报专区

浙江同花顺互联信息技术有限公司版权所有

网站备案号:浙ICP备18032105号
证券投资咨询服务提供:浙江同花顺云软件有限公司 (中国证监会核发证书编号:ZX0050)
AIME