8月最后一周，国家速滑馆“冰丝带”里，第二届世界人形机器人运动会正在进行。田径赛场上机器人百米冲刺、跳远，甚至电机着火，这些画面刷屏了朋友圈。但几位深度参与运动会的具身从业者被问到最关注哪场比赛时，答案出奇一致：场景赛。
场景赛没有跑道，只有临时搭建的客厅、厨房和货架，比的是家庭、餐饮、商超三项。业内有个心照不宣的共识：场景赛不是竞技表演，而是机器人真实工作能力的大考。田径项目考运动控制算法，只要算力足够，一套动作在仿真环境里跑上几万遍，总能算出最优解。场景赛考的是具身大模型，环境动态、物品柔软、随时有人打断，对模型泛化能力的要求完全不在一个量级。
允许遥操，但组委会明摆着鼓励全自主
这届比赛有一条不太被外行注意、却在圈内引发热议的规则：允许遥操。遥操在行业内外常被鄙视，但顶级大会依然允许，因为全自主的门槛实在太高。AI科技评论仔细阅读积分规则后发现，组委会其实在鼓励全自主：自主模式成绩权重是1.0，遥操模式直接打五折，仅为0.5；同分时自主队伍排名靠前。
但据AI科技评论观察，多数队伍依然选择遥操规避风险。一位具身大厂选手解释：“0.5的折扣虽然疼，但总比机器人当场死机、或者把厨房砸了要强。”真实物理世界里，让AI 100%掌管一具沉重的钢铁躯体，风险太大。
在这样的背景下，家庭、餐饮、商超三个场景的夺冠者，却是一个完全自主不遥操的团队：银河通用。三个流程最长、最容易翻车的项目，银河通用全部坚持全自主，不依赖任何人工后台干预，完全交由自研银河星脑（AstraBrain）世界动作模型独立完成决策与执行。家庭场景做到30分钟量级全场最长赛程且提前完赛，商超项目直接包揽金银铜牌。最终成绩单是夺冠率100%，包揽三大赛项金牌。
家庭考场：对抗误差级联与记忆断片
一位深度参与比赛项目的人士透露，三场比赛拆开看，恰好对应当下机器人学术界和工业界最头疼的三个底层难题。家庭考场比的是机器人对抗“误差级联”与“记忆断片”的能力。家庭场景是三个项目里任务链最长的一个，机器人要在客厅、卧室、卫生间、阳台之间来回穿梭：捡杂物、放钱包、自主开门、把脏衣服塞进洗衣机、叠衣服、最后用衣架晾起来。
第一个考点是柔性物体操作。以叠衣服为例，传统工业机器人抓杯子容易，因为杯子是刚体，有固定6个自由度，用几何运动学就能算出来。但衣服是软的，有“无限自由度”，每次抓起来褶皱都不一样。靠写死轨迹的代码彻底失效，机器人必须依赖端到端的视觉-动作模型，实时观察布料形变，实时调整双手发力。
第二个考点是长程任务中的随机干扰与记忆恢复，这也是整场比赛最惊艳的一幕。机器人正准备执行下一项任务时，现场突然响起随机语音指令：“有快递送达门外，请尽快取进屋内。”这在AI术语里叫“分布外（OOD）事件”。机器人必须立刻理解这句自然语言，暂停手头的活，走到门口把快递拿进来。最难的是：拿完快递后，它还得记得刚才干到哪一步，并回到原位继续工作。
对人类来说，洗碗时去开个门，回来接着洗是本能。但对具身智能来说，这涉及复杂的“时空接地”和长短期记忆调度。物理移动过程中，机器人视野完全改变。一旦大模型的“上下文窗口”出现物理状态断层，机器人就会像失忆一样僵在原地。这就是长程任务中最可怕的“误差级联”，前面的微小偏差或中断，会导致后续任务全线崩溃。
这场比赛整整30分钟，是本届运动会赛程最长的一个项目。对物理机器人来说，这相当于一场马拉松：时间越长，机械漂移、感知噪声、电量波动带来的不确定性越容易被放大。激烈角逐中，由AstraBrain驱动的银河通用机器人不仅顺利完成所有干扰项，还在赛后技术复核中首次复核即满分，证明这绝非偶然运气，而是底层模型实打实的泛化能力。
餐饮考场：挑战莫拉维克悖论与力控噩梦
餐饮场景的流程要求机器人听懂指令，从热食柜里用食品夹取出餐品，放进微波炉，拧动定时旋钮，加热完取出，最后接杯饮料平稳送达。这个场景是“莫拉维克悖论”的完美体现：对人类越简单的动作，对AI越难。
最典型的就是使用工具和拧微波炉旋钮。人类手指自带极其敏锐的触觉反馈，但机器人夹食物时，食品夹不固定在手上，等于要求大模型把本体的感知“延伸”到工具末端。夹轻了，餐品半路掉落；夹重了，直接把食物捏烂。拧旋钮则考验行业内极难做好的柔顺控制。不能只在三维空间里给机器人下达一个坐标指令，如果是刚性位置控制，机器人手指稍微偏离一毫米，就会把微波炉的塑料旋钮生生掰断。它必须学会像人一样，带着“弹簧般”的柔性去触碰，感受到阻尼反馈，再输出扭矩。
这一系列充满变数的操作中，多数队伍为了不搞砸，选择用遥控器接管精细动作。银河通用依然坚持全自主，最终以6分55秒的成绩零失误最快完赛。这说明AstraBrain不仅在做高层逻辑推理，也已经深度穿透到底层的力矩输出。
商超考场：抛弃过拟合，进入开放世界
商超场景是一场20分钟的限时高压测试。任务是：按外卖订单拣货，巡查货架，给空缺位置补货，并把被乱放的商品归位。在这个考场里，“背地图”毫无意义。订单动态、缺货位置随机、错放商品五花八门，甚至货架上还故意摆放了外观相似的干扰项。
传统机器人开发中，开发者往往为了某个特定场景反复写规则、调参数，这被称为“过拟合”，出了实验室的门，代码就废了。但商超赛场上，机器人面对的是一个迷你的“开放世界”。比如抓取袋装薯片，包装袋反光、形状不规则，传统视觉算法很难提取边缘特征，极易抓空。银河通用机器人凭借多模态大模型的实时感知，精准识别并丝滑抓取，甚至能自主发现哪里的商品摆错了，并将其纠正。最终，在这个对动态环境实时判断要求极高的赛道，银河通用直接包揽金银铜牌。
文章写到这里，懂行的人可能会提出一个尖锐的问题：即使全自主夺冠，这会不会依然是一套为了比赛专门训练的“特化模型”？事实上，很多机器人公司在比赛中大放异彩，但在真实商业落地时却举步维艰，就是因为赛场上的“高光表现”无法低成本地复制到千万个不同的现实场景。
热门跟贴