Token导航 LogoToken导航

AI 资讯 · IT时报

蚂蚁灵波朱兴谈具身智能Scaling Law未明

更新 2026-11-17IT时报正文 2415字阅读约 8分钟3 张图片

IT时报记者 孙妍

11月16日,首届蚂蚁灵波具身大模型挑战赛总决赛结果在上海出炉。由福田实验室、西北工业大学、普渡机器人、天津大学的五位选手组成的“TARS”战队,以82.5分获得一等奖。

华中科技大学、清华大学深圳研究院、湖北元一智能的三位选手组成的“EVA”战队,以及天津大学、北京大学、中国科学院自动化研究所三位选手组成的“SST”战队获得二等奖;“Vida”“FDU_SONIC”“ai-robot”战队获得三等奖;另有9支队伍获得优秀奖,3支队伍获得观察团特别奖。

这项由蚂蚁集团旗下具身智能公司蚂蚁灵波科技、魔搭社区与阿里云天池联合发起的赛事,共吸引全球13个国家的1855支队伍、3252名选手报名,覆盖648家高校、科研院所与企业,约每124支队伍才有1支晋级决赛。

图片

胶着的48小时 冠军队压哨提交

11月14日,15支决赛队伍在上海张江科学会堂坐定,选手们从北京、杭州、深圳、成都、武汉、上海等地赶来,还有选手专程从温哥华赶回来。上午9点,赛题一公布,各队便扎进一个个由绿幕搭成的工作间,开始了48小时的真机黑客松。

82.5分虽不高,但放在一场全程真机的考试里,已经足够夺冠。“只给48小时,当时听到赛制时觉得有点慌,可别到最后所有选手都得了0分。”蚂蚁灵波首席科学家沈宇军在接受《IT时报》等媒体采访时说道,没想到分数还相当胶着。

“我们是在最后一分钟压哨提交的。”冠军队“EVA”的队长吴昊楠回忆起这惊险一刻。该团队平均年龄25岁,队长吴昊楠是一位即将从天津大学硕士毕业的00后,队名取自电影《星际穿越》里那个忠诚又幽默的机器人。

图片

11月16日,《IT时报》记者迈入比赛场地时,还能看到现场残留的鏖战的痕迹:临时支起了十多顶帐篷,小摊上摆放着零食、饮料,机器人面前散落着水果蔬菜。

这48小时,像是给具身智能产业照了一面镜子。

三道家务关 藏着三个技术坎

各队以同一款开源预训练模型为技术底座,使用统一的机器人硬件、推理算力和任务环境开展真机挑战。赛题读起来像一份家务清单:用单臂抓取水果蔬菜;用单臂抓取化妆品,放进透明盒;用双臂配合,把桌面垃圾扫进收纳筐。

买菜、收纳、擦桌子,这些日常动作到了机器人手里,每一步都要经得起考验。决赛共设三轮真机测评,各队取其中一轮最高总分计入排名。第一关考眼力,水果蔬菜形状各异,有的反光,机械臂得先看清它们在哪、离夹爪多远;第二关的难点是那只透明盒,对视觉模型来说,透明与反光近乎一件“隐身衣”,边界难辨、深浅难测,抓稳了还要放得准;第三关考的是两条手臂的配合,谁扫、谁接,动作不能打架。

冠军队复盘得出的诀窍是,把复杂的多物体场景简化成单物体抓取,绕开VLA模型在杂乱环境下的感知瓶颈;采用小规模高精度数据重采和双人协作采集,规避机械臂的系统性误差,比如人站在机械臂旁演示动作,站久了会累,动作会变形,而机器人也在旁边学。

上海交通大学人工智能学院副教授李永露评价,统一基础模型、硬件载体与实操任务,让大赛成了一个“控制变量实验场”,失败的边界条件、补采的数据、调优后的实测反馈,都能为后来者减少试错成本。

仿真不作数 物理世界不等人

82.5分的赛场成绩,离产业要求的99.9%成功率要求还有多远?

初赛在仿真环境里进行模型调优,决赛把模型搬到真实机械臂上。沈宇军认为,如果你在仿真上表现不好,证明模型肯定不行;但在仿真上表现好,并不代表模型在真实环境里表现好。

GPT-6 Astra的出现,让具身智能企业重新思考,是不是可以将大语言模型作为决策核心?据蚂蚁提供的数据,今年9月发布的GPT-6 Astra被多家团队接到机器人上测试:在RoboDojo的42项操作任务中,未经专门训练,即完成了超过全部40个公开动作策略;不过,短板集中在手碰到物体之后,双手配合的任务明显吃力。速度更是硬伤,一项仿真行走测试里,机器人走30秒要调用模型250次、每次平均近40秒,仿真只能暂停等它算完,但真实世界不会暂停。

沈宇军认为,更重要的考量是使用成本和开发成本,“如果再扩大1倍参数量,可能需要额外花4倍成本,这件事情大家还愿不愿意做?”

行业至今仍处于初期阶段,评测体系没有收敛,模型范式也难收敛。

蚂蚁灵波CEO朱兴在采访中反复强调:“谁也没有看到具身智能的Scaling Law(规模化法则)。”在方向没看清之前,“大力出奇迹”可能带来的是巨大的资源浪费。他打了个比方,基模的价值是把一个人从婴儿一路培养到高中生,“但是他没骑过自行车,还是要摔几次的”。

“不要盲目乐观,也不要过度悲观。”朱兴认为,从明年开始,产业的应用落地会有一定规模的加速,真实作业回流的数据,尤其是异常数据,会像自动驾驶的数据闭环一样,反向推动模型迭代。

门槛降下来 生态长出来

这场比赛的另一重身份,是一堂面向开发者的公开课。

具身智能此前是少数人的游戏:报名画像显示,3252名选手中只有20.9%有过真机调试经验,近80%的选手报名时没摸过真实机械臂。对高校学生来说,实验室里算力紧张,机械臂更是稀缺。决赛统一提供开源预训练模型LingBot-VLA 2.0、松灵COBOT MAGIC设备、数据集与算力,选手只需要带上算法与想法。

“语言模型是可以To C的,打开一个网站就可以跟它聊起来,但具身上手有一些门槛,现在明显可以感觉门槛在降低。”沈宇军说,过去高校攒一个真机实验动辄数月,如今两天的时间可以做完,已在逼近之前在数字世界做实验的速度了。

比赛之后,这些经验不随奖杯入库,蚂蚁灵波将鼓励选手把技术心得沉淀成文档、教程,把方案在开源社区开源。15支决赛队伍蹚过的“坑”,能变成后来者的“地图”。

图片

同日的首届蚂蚁灵波开发者大会上,开发者生态计划发布:计划邀请20位最有价值专家支持教学与学术创新,招募40位开发者专家支持技术实践与专业成长。

在朱兴看来,这是“双赢”的合作,开发者把模型用起来,反哺具身大脑模型高质量迭代,所以蚂蚁灵波会坚决持续地开源开放。

文章标签机器人大模型

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。