一只机械臂夹着小刷子,另一只夹着黄色簸箕。绿色桌面上散落着红黄纸团,旁边摆着收纳筐。两名选手站在设备旁,低头操作,其中一人俯下身,看着面前的机械臂。

这是首届蚂蚁灵波具身大模型挑战赛留下的一张现场照片。比赛要求机器人把桌面垃圾扫进簸箕,再倒进筐里。选手的手边摆着笔记本电脑,身前是机械臂和线缆,桌上则是家里常见的小刷子和纸团。
11月14日上午9点,上海张江科学会堂,15支战队拿到了决赛题。除了双臂清扫桌面,还要完成两项单臂任务:抓取果蔬,把化妆品放入透明盒。选手从北京、上海、深圳、武汉等地赶来,还有人专程从温哥华回国参赛。
接下来的48小时,他们要在同一款开源模型LingBot-VLA 2.0、统一硬件和推理算力上,采集数据、调优模型,再让机器人完成这些动作。
人做起来顺手的事,到了机器人这里,都要重新开始学。
01 先把一件东西抓好
最终获得一等奖的TARS战队,队长吴昊楠是即将从天津大学硕士毕业的00后。五位队员平均年龄25岁,来自福田实验室、西北工业大学、普渡机器人和天津大学。队名取自《星际穿越》中那个忠诚、幽默的机器人。

路演时,吴昊楠讲起了他们处理杂乱场景的办法。
桌上同时出现多个物体时,模型的感知会遇到困难。TARS把复杂的多物体场景简化为单物体抓取,让模型先处理单个目标,降低杂乱环境对抓取的影响。
任务简化了,机械臂本身的偏差还要处理。赛方已经提供统一的预采数据,各队也可以在现场采集。TARS选择重新采一批规模较小的高精度数据,并采用双人协作采集,减少实际机械臂的系统性误差带来的影响。
他们连示范动作的人是否舒服,也考虑进去了。
人操作设备时,会下意识地照顾自己的身体。怎样握着省力,手臂摆在哪里舒服,都会影响示范时的动作轨迹。按照吴昊楠在路演中介绍的思路,采集时需要避免这些习惯影响机器人的动作,让留下来的轨迹更自然、有效。
这批数据要照顾两件事:机械臂能不能照着完成动作,采集者有没有把自己省力、舒服的习惯也带进去。TARS为此采用两人协作的方式,尽量避免人的姿势影响动作轨迹。采集和调整示范,本身就是他们备赛的一部分。
11月16日,决赛结果公布。三轮真机测评取最高一轮总分,TARS以82.5分排在第一。EVA、SST获得二等奖,Vida、FDU_SONIC和ai-robot获得三等奖。
02 抓起来以后,还有下一步
抓取之后,还有放置。化妆品要放进透明盒,清扫则要两条机械臂互相配合。刷子把纸团扫过去,簸箕得接得住,最后还要将垃圾倒入收纳筐。评测既看任务成功率,也看动作完成质量。
物体在什么位置、手臂从哪里靠近、两只夹爪怎样配合,都会影响接下来的动作。对机器人来说,理解“把桌子收拾干净”只是开始。
同日举办的开发者大会上,蚂蚁灵波首席科学家沈宇军提到了机器人大脑遇到的几种麻烦:输入有误差,输出要经受物理交互的检验,物理世界也不会等待模型。
在电脑里算出下一步,与机械臂及时做出下一步,中间隔着距离、接触和时间。夹爪靠近物体时,位置判断得是否准确,碰到之后有没有滑动,都需要继续处理。人做家务时几乎不必专门思考这些细节,机器人要靠感知和动作模型配合完成。
蚂蚁灵波把空间、动作和接触反馈纳入模型训练,希望机器人能根据实际反馈调整动作。同一个模型,还要尽可能适应不同的机械臂、夹爪和任务。
朱兴对行业进度的判断相当克制。蚂蚁灵波这位CEO在接受采访时表示,行业还在快速迭代,尚未迎来具身智能的Scaling Law时刻;技术落地验证和产学研协同,会加速具身智能的进化。
在这场比赛里,开源基座已经让15支队伍省去了从零训练模型的工作。剩下的时间,他们仍要围着真实设备,把采集、训练和执行中的问题逐个处理。TARS拆开了模型不擅长的多物体任务,又为实际设备重新采集动作数据。同一款模型能做到什么程度,还取决于使用它的人怎样组织任务、怎样教它。
03 让更多人摸到真机
对不少报名者来说,获得这样的操作机会并不容易。
赛事共有1855支队伍、3252人报名。按组委会统计,51.7%的选手有VLA或多模态大模型背景,有真机调试经验的占20.9%。这些经历可以重叠,但做过真机调试的,确实只有约五分之一。
平时能训练模型,未必就有机器人可用。这次决赛提供了松灵COBOT MAGIC设备、数据和算力,还有现场答疑与技术支持。选手可以拿自己的方案试,遇到设备和部署问题,也有机会当面交流。
上海交通大学人工智能学院副教授李永露认为,比赛能留下经受实战检验的工程经验与方法。一次抓取为什么失败,补采哪些数据之后有所改善,这类经验也可以在团队之间交流。
蚂蚁灵波在当天发布的开发者生态计划,也将继续支持这样的实践:计划邀请20位最有价值专家,支持教学与学术创新,同时招募40位开发者专家,支持技术实践和专业成长。
这与灵波正在做的商业化测试有直接关系。它与国大药房合作,让不同品牌和构型的机器人协同完成接单、分拣和交付;在工业与物流领域,也在推进上下料和包裹分拣的合作。
比赛里的抓取、放置,到了这些场景里会反复发生。82.5分记录的是TARS最好一轮的表现,药房和仓库还要看机器人连续工作时,多久需要人来帮一次忙。
本文来自华尔街见闻,欢迎下载APP查看更多
来源:华尔街见闻