机器人前瞻(公众号:robot_pro)
作者 | 许丽思
编辑 | 漠影
今年以来,具身智能行业的Benchmark榜单格外热闹:新模型接连发布,SOTA不断被刷新。
以真机评测平台RoboChallenge为例,上线一年来,Table30榜首几度易主,最高任务成功率便由四成多攀升至接近七成。各类机器人演示视频里,动作也越来越流畅。
榜单的价值在于可比性,在统一的任务和条件下,衡量模型能力的进展。但产业还关心另一个问题:
如果把模型交给外部开发者,换一批人、换一批数据、换一个操作环境,它的成功率又会是怎样的情况?
今天,上海的一场48小时真机决赛,把这个问题交给了开发者。
这场由蚂蚁灵波发起的具身大模型挑战赛,共吸引1855支队伍、3252名选手报名,覆盖13个国家。经过线上仿真初赛,最终15支战队进入真机决赛,共同使用开源具身大模型LingBot-VLA 2.0和松灵COBOT MAGIC机器人,在48小时内完成模型调优、真机部署和任务挑战。
榜单能够反映模型在既定条件下的水平,而开发者能用多少数据、花多少时间,将这些能力转化为稳定的真实操作,才更接近具身大模型的产业价值。
一、从仿真到真机,48小时里发生了什么?
在决赛现场,我们发现,参赛者的背景相当多元:有具身智能科研人员,也有互联网算法、自动驾驶领域的跨界工程师,有第一次接触真机的本科生、大厂员工,还有通过小红书临时组队的年轻开发者……
开源基模让这些开发者的跨界探索有了共同起点,也提供了验证他们已有技术经验的新机会。比如,“fbfyfbf”队借助开源文档和AI编程助手搭建训练环境,“416一定行”队将搜索推荐领域的方法引入机器人开发,“有手就行”队则尝试迁移自动驾驶领域的技术经验。基于LingBot-VLA 2.0,他们能够快速进入具身研发环节。
但真正走上真机赛场,难题很快变得具体。决赛题目有三项:一是用单臂抓取水果和蔬菜,二是用单臂抓取化妆品并放入透明盒,三是用双臂配合清扫桌面垃圾,再倒入收纳筐,这些任务对机器人的视觉理解、空间感知和动作执行都提出了较大考验。

第一道难关就是数据。有选手在路演中提到,官方提供了647条公共数据,但没有覆盖全部任务情况。例如,水果摆放中出现了杨桃、青尖椒等缺少相应示范的物体,选手只能通过遥操作自行补采。
不过,数据并非采得越多越好,采什么、怎么采同样关键。“416一定行”队在决赛中新增了一百多条数据,却因采集内容与评测任务不够匹配,后续成绩反而未能超过第一轮。其他战队也发现,针对失败动作、困难物体和任务薄弱环节补采数据,往往比盲目扩大数据规模更有效。
第二道难关来自真实物理环境。很多问题在仿真阶段并不明显,不少队伍还是第一次碰真机,这些挑战更是超出了之前的预期。
有队伍反映,透明收纳盒的空间层次很难准确识别、现场的光照变化也可能影响机器人视觉判断;还有机器人抓取水果反复失败、机械臂伸展后出现下坠,以及清扫任务前半程完成后没法顺利衔接上倾倒动作……一次微小的环境或动作偏差,就可能影响整套任务的执行。

更棘手的是,所有问题都得在48小时内解决。驰序知行团队介绍,为了让现场采集的数百条数据更快投入训练,团队优化训练流程,将单步耗时由约15秒压缩到4秒左右。
时间紧、数据有限、现场充满不确定性,这场比赛呈现出的开发压力,与真实产业部署面临的约束颇为相似。如何利用有限资源,尽快找到最有效的改进方向,成为所有战队共同面对的考验。
二、同一颗机器人大脑,被开发出不同的解法
在这场高压测试中,前三名的队伍围绕数据回流、视觉提示和任务针对性优化,给出了一些颇具代表性的解法。
EVA队在比赛第一天测试时发现,仅用官方公共数据训练的初始模型,在决赛任务的成功率只有约10%。团队判断,影响模型表现的关键因素之一,是训练数据与实际评测场景之间的差异。因此,他们没有单纯依靠调整模型参数,而是搭建了一套能够持续改进数据质量的RSI机制。
这套机制的核心是让失败案例重新进入训练流程,机器人先自主执行任务,再利用AI完成数据标注、清洗、轨迹评分,针对失败场景由人工补充示范数据。
48小时内,EVA队完成约7轮数据回流,新增700多条数据,同时利用目标定位、分割标注和深度信息蒸馏增强模型能力。

SST队则选择让机器人先看清楚要操作什么。他们借鉴System 1与System 2的分工思路,利用外部模型解析任务指令,再通过SAM 3定位目标物体、生成视觉掩码,弱化背景干扰,让LingBot-VLA 2.0把注意力集中在真正需要抓取或放置的物体上。
很巧妙的是,SST队还通过逆向读取视频,生成目标物体的分割数据,用于优化模型的训练与动作执行。推理时,模型一次生成50个动作,但仅执行其中16个,以提升机器人操作的平滑性和精细程度。

冠军TARS队对则把三项任务拆开处理,针对不同难点集中投入资源。在水果摆放和化妆品收纳任务中,团队利用千问识别目标与干扰物,在图像中弱化无关背景,降低杂乱环境对模型判断的干扰。
TARS队还发现,在垃圾清扫任务中,机械臂越向前伸展,受负载影响越容易下坠。团队通过增加负载进行测试,建立不同伸展状态下的偏差补偿方法,并在推理执行环节修正动作。同时,团队将训练单步耗时由约15秒缩短至3.4秒,提升模型迭代速度。

三支队伍的路径各不相同,但都是同一个开源基础模型之上,各自在数据、感知和执行环节下功夫。对开发者来说,这意味着可以把有限的时间花在具体任务的难点上,他们遇到的问题和给出的解法,也为模型后续改进提供了参考。
三、让模型真正被用起来,具身智能需要自己的开发者生态
48小时的比赛结束了,这些技术尝试和实践经验如何继续发挥作用?怎样让更多开发者在前人的基础上继续探索?
“我们既关心有多少人参与,也关心参与之后留下什么。”蚂蚁灵波方面表示,希望比赛中积累的模型使用经验、技术方法和工程成果,能够继续进入教学、研究及实际项目,成为其他开发者可以复用的资源。

为此,蚂蚁灵波发布了LingBot开发者生态计划。首期计划邀请20位LingBot MVP(最有价值专家),并招募40位LingBot Developer Expert(开发者专家)。
前者主要面向高校教授和科研人员,推动模型进入课程建设、学术研究和人才培养;后者主要面向核心开发者及技术创作者,鼓励开发Demo、开源工程、评测脚本,以及分享教程和实践经验。
据介绍,蚂蚁灵波将为该计划提供资金支持,以及与核心研发团队交流、课题合作及联合实验室共建等机会。
开发者的实践也会反过来推动基础模型的发展。蚂蚁灵波认为,“好的反馈,不一定是赞美,也可以是一个被反复验证的问题。”开发者将LingBot应用到不同任务和使用环境中,能够发现模型尚未解决的难题,这些反馈又能帮助研发团队明确改进方向,持续完善模型能力和开发工具。
这也是蚂蚁灵波希望建立的开发者生态飞轮:开发者基于开源模型创造应用、积累经验,相关成果通过课程、教程、开源项目等方式被更多人使用;新的实践又带来新的问题和需求,推动模型进一步迭代,吸引更多开发者参与。
真实世界的任务和场景极其复杂,任何一家模型研发团队都难以覆盖全部应用需求。让不同领域的开发者围绕开源基础模型持续创新,并将成功经验沉淀为可复用的资源,机器人大脑才有机会进入更多真实场景。
结语:具身智能的“安卓时刻”正在酝酿
业内常用“安卓时刻”来形容开放基础平台带来的生态效应。这一时刻显然还不能凭借一次模型开源或一场开发者比赛就宣告到来。但蚂蚁灵波的这次尝试,已经让外界看到了这种可能性。
48小时、15支队伍、三项任务,样本不大,却第一次把“同一款模型,在不同人手里能走多远”这个问题,摆到了台面上。
这恰恰是开源基础模型的意义所在。它不能保证机器人在任何场景都表现出色,但它让更多人有机会亲自发现,模型的边界在哪里,又如何一点点把边界往外推。每一个被记录下来的失败案例、每一套被分享的补采方法,都是后来者不必重走的路。
如果未来越来越多的开发者,都能基于开源的具身基础模型开展创新,并把经验回馈给社区,具身智能的创新,就不再只发生在少数实验室里。
改变行业的力量,也将扩散到无数开发者手中。







