COMPETITION NOTE | 具身智能
48 小时真机赛,冠军赢在把题做小
首届蚂蚁灵波具身大模型挑战赛:15 支队伍、同一底座 LingBot-VLA 2.0、同一套硬件与算力、48 小时真机黑客松。冠军 TARS 队 82.5 分,平均年龄 25 岁。
让十几支队伍用同一个模型、同一台机器人、同一个任务环境比赛,等于把「谁家模型更强」这个问题,换成「谁更会用这套东西」。这是这场比赛真正的设计。
01 · 三道题都不难,难在每一步都要过
赛题三项:单臂抓果蔬;单臂抓化妆品,放进透明盒;双臂清扫桌面垃圾,再倒入收纳筐。
都是日常动作,但透明物体难在反光与边界、双臂难在协调、放准难在公差。三轮真机测评,取其中一轮最高分计入排名——给了队伍重试的机会,也逼着他们把稳定性做出来。
02 · 冠军做的是「降维」
TARS 战队队长吴昊楠是天津大学的 00 后,他在路演里讲的第一件事不是模型,而是把复杂的多物体场景简化成单物体抓取——直接绕开 VLA 在杂乱场景下的感知瓶颈。
第二件事是数据:小规模高精度重采,双人协作采集,用来规避机械臂的系统性误差;同时避免由操作者生理舒适度带来的动作轨迹偏差——采集的人怎么舒服,机器人就会学成什么样。
03 · 为什么这种比赛值得办
上交人工智能学院副教授李永露的说法是,统一基础模型、硬件载体与实操任务,等于造了一个「控制变量实验场」:每次抓取失败的边界条件、每组补采数据、每次调优后的实测反馈,都能给后来者省试错成本。
这正好补上具身智能最缺的东西——可比较的失败记录。论文里很少写失败,比赛里失败是被计分的。
04 · 主办方的口径
蚂蚁灵波首席科学家沈宇军提出「具身原生」的三重挑战:输入自带误差,输出要接受物理交互检验,而物理世界的任务不会等模型算完。
同日他们还开了首届开发者大会、发布开发者生态计划。比赛的真正产品,可能是这套被反复验证的工程方法,而不只是名次。
本文依据雷峰网报道整理;赛制、分数、战队构成与奖金引自原文,冠军策略为其路演表述,未经独立验证。
转载声明:本站内容分两类:编辑部原创的观察与评述,以及引用第三方报道的事实摘要。引用处均标注原始来源并给出链接,不转载全文。转载本站原创内容请保留署名「Corobot 编辑部」及原文链接,商业使用请联系 [email protected];若权利人认为本站引用不当,来信即删。
接着读NEXT
EMBODIED AI
数千万的融资,近百亿的估值
EMBODIED AI
实验室里九成,现场只剩三四成
每周一封周报
只留技术要点与出处,不发通稿。