多年以后面对人类,机器人或许会想起2026年11月16日那天,在上海张江的一个园区,一群人站在绿格子间里,用48个小时训练自己的场景。
48小时真机黑客松现场的绿格子间
最终,大屏幕上榜一的数字定格在82.50。台下,五个平均年龄只有25岁的年轻人忍不住击掌欢呼。
这可能是迄今为止最大规模的具身大模型挑战赛,由蚂蚁灵波发起,全球1855支队伍经历了线上初赛,最后的15支站在了决赛赛场进行“真机黑客松”:他们采用同样的机械臂、同样的数据集,看谁能在物理世界里把放水果、收化妆品以及扫垃圾等“家务活”完成得既快又好。
拿下第一名的战队名为TARS,取自科幻电影《星际穿越》里的一台机器人。现实中也很难想象,这是冠军队伍里五个年轻人第一次接触机械臂,第一次线下见面,却靠着一招极其大胆的路数,干到了断层第一。
TARS战队正在调试机械臂
对很多队伍来说,决赛赛场是一场大型的“网友见面会”。
以前搞机器人研发,几个人往往挤在同一个实验室里死磕。但现在,随着开源大模型的发展,以及云端算力的普及,大家不管身在何处,都能在线上合作。初赛阶段,有不少队伍都是异地甚至异国协作。
TARS战队队长吴昊楠原本就是一个人在电脑前跑仿真。10月下旬,他在网上发帖招募,快速拉起了一支“全明星散装战队”:有西北工业大学的大四保研生,有普渡机器人的工程师,还有天津大学的硕士。
和TARS类似,亚军EVA战队也是一支横跨北京、武汉、深圳三地的“云端联军”。队长武显瑾是个2004年出生的小伙子,平时他们在深圳采集数据、在北京训练模型、在武汉做验证。
到了决赛,任务进入真机阶段,比拼的是单臂抓取水果蔬菜、把化妆品精准放进透明盒子里,还要双臂协作,把桌上的垃圾扫进收纳筐。这群习惯了在虚拟世界里“指点江山”的极客,迎来了线下协作和真机的考验。
决赛队伍正在操作机械臂夹取水果
吴昊楠说:“真机面临的最大挑战就是意外。”他们的意外出现在了任务三:清扫垃圾并倒进收纳筐。
在现场调试时,大家发现,机械臂去抓簸箕的把手时,怎么也抓不稳。负责采集数据的队员急得满头大汗,不断重复夹取,手指都夹疼了,但机械手只要一用力,簸箕就会滑脱或者翻转。
这时,吴昊楠突然想到:“为什么非要这么抓呢?”
他打了个通俗的比方:“就像人拿马克杯,习惯用手指去握‘把手’。但对机械臂来说,把手太窄,受力面积小,很容易卡不住,还不如直接让它去捏杯壁。簸箕也是同理,放弃圆柱形的把手,直接去抓簸箕的后边沿,接触面够大,更稳当。”
吴昊楠在路演时解释团队思路
于是,在周六下午两三点,吴昊楠跟队员商量:不按套路走了,咱们换一种抓法!
这意味着他们要放弃之前已经跑了一半的训练。不过吴昊楠很笃定:三个任务等分,每个约33分。任务一和任务二他们做得基本完美,保底就60分了。重点就在任务三上,必须把分数补强。
“做决定的时候肯定也有压力。”赛后,吴昊楠坦言,“但我说明理由后,大家都选择相信我的决定。”有了这份底气与信任,团队后续配合极其默契,争分夺秒采集了334条夹后沿的真实数据,把新管线跑通了。
“有其他队伍也意识到了这个问题,但比我们晚了三个小时。那时他们已经做了很多训练,沉没成本太高,舍不得‘断舍离’,只能把官方和自采的数据混着用,最后反而影响了发挥。”吴昊楠说。
最终,在第三轮,这台被注入了新“灵魂”的机械臂,极其丝滑地完成了任务,获得全场最高的82.50分,拿下大奖。
TARS战队获得一等奖
相比于冠军的逆袭,亚军EVA战队的故事,则有着另一番坎坷。
EVA战队在赛后接受采访
三位年轻人初赛时在虚拟环境里游刃有余。因为队长常驻武汉,他们甚至设计了一个极具烟火气的“制作热干面”Demo,试图在代码里注入生活的温度。
但到了决赛现场,浪漫必须先放一边。
第一轮跑下来,他们只拿了 59.67 分,排在后面。赛后,队长武显瑾聊起真机,满是感慨:“在实验室里,我们写出的代码只要证明方法有效就行。但到了赛场上,真实物理世界的因素太不可控了。光照变了、桌子的布局变了、甚至目标物体的颜色不一样了,都会影响机器人的判断。”
真机的复杂程度远超仿真,这群习惯了学术界完美理论的年轻人,在赛场上被真实世界狠狠上了一课。
“我们发现,仿真验证好的方法在真机上未必效果好。”武显瑾提到,既然现实里的光照不同、物体材质不同,那就把这些带着“物理世界毛刺”的数据喂给灵波开源的底座模型,重新调试。
这次比赛他们基于灵波开源的模型底座,只用了几百条数据就实现了很高的成功率,这种“站在巨人肩膀上”的感觉,让平时缺乏真机实操经验的学生们,有了把想法真正落地验证的机会。
让开发者“站在巨人肩膀上”
EVA 战队感受到的这种“落地验证”,正是灵波开源模型并举办这次大规模赛事的初衷。
“真实世界里,不同场景需要不同形态的机器人,有的要负重,有的要钻窄通道。但如果给每种机器人都单独开发一套大脑,成本太高了。”蚂蚁灵波科技市场运营及技术生态负责人江波解释。
但事实是,现在的具身智能赛道里,各家各造各的机器人,各写各的代码。一旦换个硬件本体,费劲训出来的模型可能瞬间就废了。
为了解决这个行业痛点,灵波推出了LingBot大脑全栈2.0,包含了让机器人“看得清”的视觉模型、“摸得灵敏”的触觉模型,还有最核心的VLA 2.0动作模型。
无论单臂、双臂还是轮式,都能使用这一个“通用大脑”。目前,该全栈模型在GitHub上的收藏数已超3.4万,模型与数据集下载量突破220万。
而决赛的15强队伍,全都在这个开源基座上做开发,就像在安卓系统上做App一样。
在这个“大脑”的支撑下,赛场不仅属于TARS和EVA这样的青年学霸,更装下了普通人的“极客梦”。
比如赫灵战队的曹竞帆,30多岁的后端工程师,半年前才跨界,队友临时缺席,他一个人、一台机器试错了十几轮,硬是杀进决赛;再比如“今天也要好好检东西”战队,四个央企打工人没请一天假,全靠国庆七天“闭关”和下班碎片时间,啃下了复杂代码。
“我们提供统一的算力、机械臂和数据集,就是希望让大家能真正把模型在真机上跑起来。”江波表示,办这场比赛,不仅是竞技,更是为了让这些平时缺乏条件的年轻极客们,能有真机可摸。
文字 邱雨茜
编辑 邱雨茜
审核 毛迪 陈欣文
热门跟贴