“去看看能学到什么”，华南理工“孤勇者”夺全球亚军！

全球顶尖机器人大赛中

他单人成队

从报名、训练到部署

以“一己之力”完成全部环节

最终却在431支战队中脱颖而出

勇夺大赛亚军

近日

AGIBOT World Challenge 2025

全球总决赛在杭州落幕

华南理工大学自动化科学与工程学院

2023级研究生曾嘉龙

获得Manipulation 赛道亚军

清华大学与上海AI Lab联合团队

香港大学团队分获冠军、季军

比赛介绍

AGIBOT World Challenge

“AGIBOT World Challenge @ IROS 2025” 国际挑战赛由智元机器人与 OpenDriveLab 联合主办，通过开放核心基础设施与创新资源，号召全球开发者突破具身智能的边界，以参与赛事为契机，共同探索人工智能与机器人技术的无限可能。

赛事设置 Manipulation（操作）与 World Model（世界模型）两大赛道，最终吸引全球 5 大洲、23 个国家和地区的 431 支顶尖战队参赛，覆盖高校、研究机构等各类创新主体。

其中，Manipulation 赛道考察机器人在复杂环境中的精细操作能力，包括线上仿真和线下真机赛段。参赛者需要基于公开数据集训练模型，完成包括微波炉操作、移动物体打包、三明治制作、超市商品补货等任务，涵盖家居、商超和工业等多种场景，全面测试模型在仿真和真实环境中的表现。

一人参赛

“去看看能学些什么”

“有一天，我在智元公众号上看到报名启事，觉得挺有意思的，就报了名。”曾嘉龙的参赛初衷非常简单，没有太多筹谋，也没有特别的目标，更多是抱着“去看看能学到什么”的心态。但正是这样一次出于兴趣的尝试，让他走上了全球总决赛的舞台，并站上亚军领奖台。

曾嘉龙在颁奖仪式现场

“我想做一件完整的事。”当被问到为什么选择单人成队时，他笑着说，“我想知道，在具身智能的技术路线下，整个机器人是怎么动起来的。这虽然不是我过去主要研究的方向，但导师很支持我去做新的探索。”团队协作固然高效，但很多时候个人只会熟悉其中一环，而曾嘉龙想学习的是一个完整的流程。

曾嘉龙做赛后经验分享

三个月的线上赛阶段，曾嘉龙从仿真环境起步。主办方提供了统一的仿真环境与基线模型，参赛者需针对多项机器人任务进行算法训练与评测。面对庞大的计算需求，他巧妙地采取了“以低成本进行探索性改进”的策略：通过合理分配高性价比的云算力资源，并深入钻研开源项目，在可控成本内实现了模型性能的持续提升。

“我力求在透彻理解现有模型的基础上，进行最具性价比的迭代优化，而非盲目探索未知模块。”这一务实策略使他在有限条件下最大化提升了探索效率，其模型最终从众多参赛作品中脱颖而出，成功晋级线下决赛。

Notonlysim

不止于仿真

进入线下赛，曾嘉龙将自己的队名从“Onlysim”（只是仿真）改为了“Notonlysim”（不止于仿真）。“从仿真到现实，不只是字面意义的转变。它也提醒我——科研的终点，不该停留在模拟里。”对曾嘉龙而言，这场比赛不仅是一场工程挑战，更像是一次自我验证。

曾嘉龙参加线下赛

线下部署阶段，曾嘉龙仅有三天时间将模型部署到真实机器人上。理想仿真与现实世界的差异立刻显现：动作微抖、轨迹不够平滑、机械臂响应延迟……这些问题接踵而至。

凭借扎实的机器人学功底，他从模型生成动作块的平滑性入手进行改进，使算法在模仿专家行为的同时，更充分考虑动力学层面的可行性，最终输出能让机械臂流畅、精准执行的动作序列。

机器人进行“超市补货”任务

在全部六个比赛任务中，“超市补货”这个看似简单的环节给他留下了最深印象。任务要求将物品从货筐取出并挂上货架挂钩，步骤虽少，但完整成功率却极低。“这很大程度上是由模型对输入图像的数据处理流程决定的，”他分析道，“高清图像会被压缩为低分辨率图像，而仿真中的理想渲染与真实传感器噪声之间存在差距。很多时候，仿真里可行的方案，在现实中就失效了。”这一刻，他深切体会到了“酷炫演示”与“真实世界应用”之间的巨大鸿沟，也对机器人科研有了新的认识——科研的魅力，正源于在一次次的偏差校正中不断逼近真实。

正是带着这份对“真实世界”的深刻理解，曾嘉龙沉着应对每一个挑战。他将理论认知转化为精准的算法调整，用扎实的技术功底弥合着仿真与现实的鸿沟。最终，凭借在所有六个项目中稳定而卓越的综合表现，他成功地将“Notonlysim”的理念化为现实，荣获Manipulation赛道亚军，为这场独行之旅画上了一个圆满的句点。

华园探索

国际校区首届本科生的答卷

曾嘉龙是华南理工大学广州国际校区吴贤铭智能工程学院的首届本科生，当初他选择这里，正是被机器人工程专业“软硬结合”的核心特质所吸引。“如果能同时掌握软件和硬件知识，从更系统的视角进行研究，思考会更全面，探索过程也更有趣。”

本科时期的曾嘉龙

初入校园，虽无学长学姐的经验可循，但学院独特的培养模式很快打消了他的顾虑。学院拥有一批年轻且富有活力的教师，他们与学生年龄差距小，沟通无障碍。“老师们非常理解我们在学习与发展中的困惑，总是乐于分享他们的经验和建议，帮我理清思路。”曾嘉龙回忆道。

从理论仿真到实践应用，这样的学习路径对曾嘉龙而言并不陌生。本科期间，吴贤铭智能工程学院的大部分课程都设置了结课项目。这种模式相当于让我们结合实践进行学习，对知识的理解会更透彻、更深入。” 曾嘉龙解释道，“而且能让我们以更整体的视角去看待一个机器人系统。”

曾嘉龙在“新工科教育”设计成果展做汇报

尤为特别的是，学院每年都会安排小组课设，要求学生自主搭建智能小车原型机等，到了期末还会举办新工科教育设计成果展。这样的教学安排，让同学之间的交流与合作变得十分紧密。“课程设计持续时间很长，往往需要投入几个月的时间，而且组队不固定，每个学年都会更换成员，同学之间的关系非常融洽，并会主动相互帮助，共享经验。”

正是这种频繁的小组合作，让曾嘉龙在协作中不断学习、持续进步，避免了独自摸索时的盲目与低效。他说：“这种同时考虑软件算法和硬件部署的经验，为我后续在比赛中进行算法开发和实机算法部署调试打下了坚实的基础。”

从“学”至“研”

科研竞赛双提升

曾嘉龙（左二）本科毕业照

获得保研资格后，出于对机器人控制理论的浓厚兴趣，曾嘉龙选择进入自动化科学与工程学院，加入俞祝良教授团队，并在杨健老师的指导下开展无人机系统控制研究。

对他而言，从本科到研究生的过渡是一个从“学”到“研”的转变。“本科阶段重在广度，目标是构建完整的知识体系；研究生阶段则自主性更强，方向更聚焦。你需要主动发现问题、定义问题，并通过大量文献阅读和实验去探索解决方案，这更考验独立思考和解决前沿问题的能力。”

团队对跨领域研究的支持，成为他科研路上的重要助力。他发现，具身双臂机器人的控制，与他研究的无人机轨迹跟踪控制在底层原理上存在诸多共通。这种学科交叉的融合，为他带来了独特的竞争优势——本硕阶段的积累，使他对机器人动力学与运动控制尤为熟悉。“我更关注模型部署到本体后实际的动作执行效果，尽量不要让动作执行能力成为阻碍模型表达视觉与语言能力的短板。”

曾嘉龙在进行实验

单人参赛，固然可以更全面地学习，但也意味着要独立应对更多困难，投入更多时间。在科研或备赛中遇到难题时，曾嘉龙有自己的调节方法：他将当下的情绪和问题点记录下来，把模糊的不确定感转化为具体待解决的问题，再逐一攻克。他认为，这种方法能有效缓解压力，让思路重归清晰。

代码与实体，虚拟与现实

曾嘉龙用一次孤身深入的探索

完成了两者之间的跨越

他的故事或许像一则“小型奇迹”

但其内核

是华工人脚踏实地、

敢闯敢试精神的生动注脚

赛场上的亚军是一个里程碑

但更是一个起点

对于执着的行者而言

真正的创新，永远在路上

党委宣传部（融媒体中心）

采访&文：李一粲 翁瑞含

图：受访者提供

微信编辑：李一粲

初审：鲍恩

复审：卢庆雷

终审：邹浩

华工原创，版权所有

若需转载，敬请联络

邮箱：hgxcb@scut.edu.cn

“分享”“点赞”“在看”，记得一键三连哦