果蔬抓取、透明盒放物、双臂协同清扫,这些贴近日常的物理操作,构成本次具身大模型挑战赛的核心考题。11月16日,蚂蚁灵波首届具身大模型挑战赛总决赛结果在上海张江出炉:TARS战队拿下一等奖,EVA、SST战队获二等奖,Vida、FDU_SONIC、ai-robot战队获三等奖,另有9支队伍、3支队伍分别斩获优秀奖与观察团特别奖。
![]()
同期,蚂蚁灵波启动开发者生态计划,拟遴选20名技术专家支持教学与学术研究,招募40名开发者专家开展技术实践,共建具身智能开发者生态。
本次赛事设置线上算法初赛、线下48小时真机黑客松总决赛两个阶段,共吸引全球13个国家的1855支队伍、3252名选手报名,覆盖648所高校、科研机构及科技企业。11月14日,15支晋级决赛的队伍齐聚张江科学会堂,参赛选手来自国内多个城市,还有选手专程从温哥华赶回上海参赛。赛题一经公布,各支队伍便投入连续48小时的真机调试与算法开发。
决赛统一以LingBot-VLA 2.0开源预训练模型为底座,所有参赛队伍使用相同的机器人硬件、推理算力与任务环境,完成三项真机任务,单臂抓取果蔬、单臂抓取化妆品并放入透明盒、双臂配合清扫桌面垃圾并归集至收纳筐。测评重点考察物体识别、抓取、放置、透明物体交互以及双臂协同的完成质量与任务成功率。决赛共开展三轮真机测试,各队伍取单轮最高得分计入最终排名。
夺冠的TARS战队总分82.5分,队伍平均年龄25岁,队长吴昊楠是天津大学在读硕士。据团队在路演中介绍,其方案核心是将多物体复杂场景拆解为单物体抓取,缓解VLA模型在杂乱环境下的感知瓶颈;同时采用小规模高精度数据重采、双人协同采集的方式,降低机械臂运行的系统性误差,减少人工采集动作对机器人运动轨迹的干扰。
上海交通大学人工智能学院副教授李永露认为,赛事统一基础模型、硬件载体与实操任务,相当于搭建了一个控制变量的实验场。比赛沉淀下来的失败边界条件、校准数据集、调优实测反馈,能够降低后续研究的试错成本,推动具身模型走向更多真实物理场景。
赛事同期举办蚂蚁灵波首届开发者大会,真机落地难点与开发者生态共建成为现场讨论的焦点。蚂蚁灵波首席科学家沈宇军提出,适配机器人的具身模型正面临输入存在误差、动作受物理交互约束、现实任务不等待模型三重挑战,模型设计应当围绕物理作业需求展开。
谈及行业现状,蚂蚁灵波CEO朱兴表示,当前具身智能产业仍处于快速迭代阶段,尚未迎来属于具身智能的Scaling Law时刻。技术落地验证与产学研协同生态建设并行,将持续加速具身智能技术演进。
(《财经》新媒体综编)
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.