極限48小時比拼快速幹活能力,行業最大規模具身大模型挑戰賽在滬舉辦

來源: 更新:

48小時,具身大模型能做些什麼?螞蟻靈波首屆具身大模型挑戰賽總決賽在上海做了一次極限挑戰。

張江科學會堂,簡易綠幕小隔間依次排開,年輕開發者們神情專注,或緊盯屏幕敲擊代碼,或圍着機器人進行調試。15組進入決賽的戰隊在這裏搭起帳篷,用48小時的極限時間,挑戰人形機器人的抓取能力。專家普遍認爲,具身智能尚未迎來Scaling Law(規模定律)時刻,但很快或將迎來第一波收斂。

48小時真機比拼,機器人要過三道關

11月14日,15支決賽隊伍在上海張江科學會堂集結,選手們從北京、上海、杭州、深圳、成都、武漢等地趕來,最遠的選手專程從溫哥華回來參賽。上午9點,賽題一公佈,各隊便扎進工作間,開始了爲期48小時的真機黑客松。

比賽是“命題作文”:以開源預訓練模型 LingBot-VLA 2.0爲技術底座,使用統一的機器人硬件、推理算力和任務環境開展真機挑戰。賽題有三項,用單臂抓取水果和蔬菜;用單臂抓取化妝品並放入透明盒;用雙臂配合清掃桌面垃圾,再倒入收納筐。

螞蟻靈波科技市場運營及技術生態負責人江波介紹,別看這些日常生活中很常見的動作,到了機器人手裏卻不容易,從識別物體、抓穩、放準,到兩隻機械臂相互配合,考官將綜合考察動作完成質量和任務成功率。

最終“TARS”戰隊以82.5分獲得第一。這是一支平均年齡僅25歲的年輕隊伍,隊名取自電影《星際穿越》中那個忠誠幽默的機器人。“00後”隊長吳昊楠即將從天津大學碩士畢業,他在路演環節展示了團隊的技術思考和策略,通過將複雜的多物體場景簡化爲單物體抓取,有效規避了VLA模型在雜亂環境下的感知瓶頸,選擇小規模高精度數據重採和雙人協作採集模式,規避物理世界機械臂的系統性誤差,避免人類操作者的生理舒適度影響機器人動作軌跡的自然性與有效性。

記者注意到,不少決賽團隊採用了最前沿的技術路徑。此次獲得亞軍的戰隊EVA由華中科技大學、清華大學、北京大學等學生“混搭”而成,隊長武顯瑾介紹,團隊在拿到賽題時,想到了通過當下最火的RSI(遞歸式自我改進)路線來讓機器人快速“幹活”,經過100多次的自主測試,讓RSI飛輪轉了起來。

具身智能仍在迭代,或將迎來第一波收斂

數據顯示,首屆“螞蟻靈波具身大模型挑戰賽”創下了行業最大規模,共吸引了海內外1855支隊伍、3252位選手報名。參賽者來自13個國家,覆蓋648個知名高校、科研院所以及頭部科技企業及具身智能公司。

48小時真機比拼,表面看是15支戰隊在抓果蔬、收化妝品、清桌面,背後則是具身大模型從屏幕走向物理現場的“壓力測試”。在江波看來,要在短時間內把基礎模型、硬件載體、推理算力和任務環境統一起來,是件很難的事,需要參賽團隊快速定位問題、找到問題根結然後解決問題,從決賽現場來看,部分團隊選擇了重新採集數據,也有團隊選擇和DeepSeek等大模型一起“幹活”。

上海交通大學副教授李永露認爲,具身大模型挑戰賽比拼沉澱下的不僅是榮譽,更是一套經受住實戰檢驗的工程經驗與方法論:“每一次抓取失敗的邊界條件、每一組精準校準的補採數據、每一次模型調優後的實測反饋,都在爲後來者降低試錯成本,推動機器人‘通用大腦’走進下一個真實的物理現場。”

“具身智能仍在快速迭代,尚未迎來Scaling Law(規模定律)時刻。”在螞蟻靈波CEO朱興直言,在Scaling Law到來之前,先要鎖定哪種數據的規模化能促成智能湧現,但行業還沒有共識和答案。

螞蟻靈波首席科學家沈宇軍則指出,具身智能目前各關鍵環節都尚未收斂,評測基準不收斂與模型難收斂互爲因果,數據採集形式也不統一。但他表示,隨着行業長期摸索,共識正在形成:“在不久的將來,行業可能會迎來第一波收斂,涉及評測機制、模型方式和數據採集標準等,屆時行業發展會明顯加速,角色分工和發展方向也會更清晰。”

相關推薦
請使用下列任何一種瀏覽器瀏覽以達至最佳的用戶體驗:Google Chrome、Mozilla Firefox、Microsoft Edge 或 Safari。為避免使用網頁時發生問題,請確保你的網頁瀏覽器已更新至最新版本。
Scroll to Top