打开网易新闻 查看精彩图片

PhyAgentOS 的“冠军级 Physical AI 底座”与开发者普惠之路迈向具身智能落地新纪元。

2026年4月27日，美国旧金山，在Berkeley Emerging Technology Association（BETA）主办的BETA Hackathon 2026（全球顶级Physical AI技术挑战赛）现场，中山大学HCP实验室凭借其研发的PhyAgentOS物理智能体操作系统开源框架，成功将Physical AI（物理AI）技术推向国际舞台，并见证了年仅11岁的开发者Arjun基于PhyAgentOS作为核心技术底座夺得全赛道总冠军，这充分证明了 PhyAgentOS 在降低 Physical AI 开发门槛、打通从任务规划到真实执行闭环、支撑真实机器人与仿真方面的价值，也说明优秀的 Physical AI 基础设施能够让更多全球开发者以更低成本、更高效率参与具身智能创新实践。

01

打造核心技术底座，定义Robotics赛道标准

作为BETA Hackathon 2026 中最重要也最火热的Robotics赛道的主办方与核心技术支撑方，中山大学HCP实验室联合鹏城实验室，将自主研发的PhyAgentOS框架确立为该赛道的统一开发平台。这意味着，所有参加Robotics方向的全球团队必须基于PhyAgentOS进行开发，使该框架成为衡量参赛作品的技术基准。

打开网易新闻 查看精彩图片

图1： BETA Hackathon 2026 Robotics赛道的宣传海报

通过PhyAgentOS为赛事搭建了"Bring Your Robot to Life"的实战平台，参赛者在一天紧凑的比赛时间内，依托这一技术底座构建能够自我进化的具身智能体（Embodied AI Agent），并完整展示从自然语言指令到物理世界执行的闭环能力。这场总奖金池高达60,000美元的顶级赛事，涵盖AI Native、Voice & Vision、Robotics及Crypto & Agents四大赛道，吸引了来自世界各地数百名开发者、研究者和创业者同场竞技。

02

PhyAgentOS:降低门槛的技术创新成就冠军传奇

PhyAgentOS是由中山大学HCP实验室联合鹏城国家实验室研发的Physical AI操作系统开源框架。该框架以"State-as-a-File"为核心设计理念，创造性地将机器人状态、环境感知与动作规划以Markdown文件形式进行结构化记录，实现了高可读性与强可解释性的统一。

图2：PhyAgentOS框架图
打开网易新闻 查看精彩图片
图2：PhyAgentOS框架图

PhyAgentOS框架提供三层交互接口:自然语言指令层、代码API层，以及底层的状态-规划-执行循环（Perceive→Plan→Simulate→Learn→Execute）。参赛者仅需数行代码，即可驱动真实或仿真的机器人完成复杂物理交互任务。正是这种极低的技术门槛设计，使得11岁的Arjun能够快速上手并创造出令评审团惊叹的Physical AI原型。

评审团对基于PhyAgentOS构建的项目给予高度评价，特别称赞其在Demo Showcase中的流畅执行能力、Documentation Depth中体现的高可复现性，以及Creative Vision中展现的解耦架构与状态日志设计。这些特性使得全球开发者，无论年龄与背景，都能快速创造令人惊叹的Physical AI应用。

打开网易新闻 查看精彩图片

图3：BETA Hackathon 2026现场，全球开发者汇聚一堂

作为面向物理智能体的关键基础设施，PhyAgentOS 的意义不仅在于提供了一套可开源、可复用的技术框架，更在于它通过统一任务规划、技能运行、执行对象管理与监督机制，打通了从认知决策到真实执行的完整闭环，并让真实机器人、仿真环境与 benchmark 能够在同一架构下协同工作，从而显著降低了 Physical AI 的开发门槛，加速了具身智能技术从实验室走向现实世界的落地进程。

03

冠军诞生:PhyAgentOS赋能年轻天才实现突破

年仅11岁的Arjun从9岁起开始学习人工智能，今年1月才正式系统接触机器人技术。她以个人身份参加BETA Hackathon 2026的Robotics赛道，基于PhyAgentOS框架快速部署机器人系统，并在全部参赛队伍中拔得头筹，斩获全赛道总冠军殊荣。

打开网易新闻 查看精彩图片

图4：获奖团队Carmelo在BETA 2026 Hackathon领奖现场

尽管只有11岁，Arjun已是第11次参加Hackathon的"老兵"。本次比赛中，她所在的5人团队有3位队员是比赛当天才结识的，团队分工明确——有人负责硬件理解，有人专注于Planner设计，有人擅长底层硬件实现。Arjun赛后表示:"与优秀的机器人或硬件合作是最好的学习方式，尽管硬件成本较高，但PhyAgentOS让这一切变得触手可及"。

另一位获奖者Alson Cossette同样展现了非凡的技术深度。她长期专注于VLA（Vision-Language-Action）模型研究，在项目中精妙地利用Markdown记录系统状态。作为自由职业者，她志在未来创立自己的Robotic Startup，并评价道:"这是我参加过的最令人印象深刻的项目，每个人都为团队做出了贡献"。

这不仅是对两位年轻开发者个人能力的最高认可，更是对PhyAgentOS框架在降低Physical AI开发门槛、赋能全球创新者方面卓越成效的有力证明。当优秀的工具与平台被创造出来，年龄的界限便不再重要，才华与创意才是真正的通行证。

PhyAgentOS网站：https://phy-agent-os.net

PhyAgentOS Github ： https://github.com/PhyAgentOS/PhyAgentOS

打开网易新闻 查看精彩图片

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。