00后团队48小时自采数据,具身大模型挑战赛夺冠拿8万
蚂蚁灵波具身大模型挑战赛决赛共48小时,TARS团队通过自行重新采集清扫任务数据夺冠
金磊 发自 上海
量子位 | 公众号 QbitAI
够自信,真能发光。
这一幕出现在一场具身大模型挑战赛的决赛现场。
主办方明明已经给了高质量数据集,有个参赛队伍的队长却因为够自信,拍板从零开始手搓新数据。
结果,这支队伍最终得分82分,直接拿下第一名,捧走8万元大奖。

事情得从头说。
决赛一共48个小时,15支入围队伍要在这么短的时间里做完数据采集、模型调优和真机部署,还得用同一套模型应对三项任务:按指令摆放水果、把化妆品放进透明收纳架的指定层、双臂配合清扫垃圾。
按指令摆放水果;
将化妆品放入透明收纳架的指定层;
双臂配合清扫垃圾。

冠军团队判断,前两项任务说到底都是抓取和放置,于是拿千问去识别干扰物,再按背景颜色在图像里把它抹掉,让VLA更容易看清目标和目的地;这两项基本沿用官方数据。
到第三个任务,情况变了。他们发现官方给的210条数据抓的都是簸箕把手,接触面小,稍有偏转就容易打滑、翻转。
团队当即决定自己重新采集,改成抓簸箕后沿,先让工具稳下来,再完成后续动作。
代价是,团队大部分精力都押在了这一个任务的一个环节上。

就是这份胆魄和孤注一掷,让队伍在临近比赛结束前的几分钟反超第二名,一举夺冠。
刺激,着实刺激。
这到底是什么比赛?
不卖关子,这是蚂蚁灵波举办的首届具身大模型挑战赛(暨首届开发者大会)决赛。初赛阶段就吸引了全球1855支队伍、3252名选手,最终15支队伍进入48小时真机决赛。
夺冠的队伍叫TARS,名字取自《星际穿越》中的机器人,平均年龄只有25岁。
队长吴昊楠是即将从天津大学硕士毕业的00后,五名队员来自福田实验室、西北工业大学、普渡机器人和天津大学。

量子位与蚂蚁灵波团队交流时得知,他们对TARS团队这波操作也颇感意外。
敢在决赛最后一环把全部筹码押在自采数据上,这份胆量,称吴昊楠一声“自信哥”不算夸张。
放眼整场比赛,“自信哥”的操作只是精彩的一部分;决赛中几乎每支队伍都亮出了各自的技巧,值得具身圈的人围观一波。
48小时,是这场具身挑战赛留给各队的冲刺窗口。
前文提到的那支被TARS在最后关头反超的队伍,就是EVA——成员来自华中科技大学、清华大学深圳研究院和湖北元一智能。
做路演PPT的时候,他们还排在榜首;比赛一结束,名次已经换了,PPT上写下的战绩,最后成了这场追逐战的一个注脚。

逆袭这件事,EVA自己也走过一遍。
队长武显瑾说,第一天拿官方公开数据训练完,真机成功率只有10%左右。机器人究竟差在哪,很难一眼看出来——示范数据不够干净、训练方式不对路、采集和执行时物体摆放对不上,都有可能。48小时里想一个个排查再重训,时间根本不够。
于是EVA换了个入口:从机器人失败的地方查起。模型先跑,人看轨迹;遇上没见过的状况,或者动作已经跑偏,就由人补示范、接管纠错。之后再用大模型做评判和标注,把整理好的数据送回训练。
这样一来,机器人刚踩过的坑,下一轮就可能变成它的“复习题”。
顺着这条路,EVA在比赛期间做了约7轮数据回流迭代,额外采到700多条示范与接管数据。为了把这些新数据尽快用上,训练流程也做了优化,训练速度提升2.7倍,最终得分73.83分。

这套做法就是RSI,递归自我改进。不过武显瑾也坦言,数据采集、人工接管、最终的成功判定,眼下仍离不开人。团队想再往前走一步:让机器人自己练,大模型来判成败,再拿这些执行记录接着训练。换句话说,这次比赛跑通了其中一部分,也让他们看清了接下来还要补哪些环节。
与EVA靠持续补采数据往上走不同,排名第三的SST选了另一条路——他们额外采集的数据只有3条。
这个数字乍看夸张,但要说清楚:SST同样用了官方数据,主要精力花在怎么处理这些已有示范上。

这支队伍有个让人忍不住笑的中文名——“老年上海观光团”。队长是天津大学大四学生杨泽鸣,另外三名成员都是研究生,“老年”二字,就是他们对三位学长的调侃。
名字起得随意,思路倒很清楚:桌面上的杂物会干扰机器人判断,那能不能在它动手之前,先把目标标出来?
具体做法是让DeepSeek解析任务指令,把目标物体的文字提示交给SAM 3做分割。目标区域的原始画面保留,其他区域压暗,处理后的图像再送给VLA。这样一来,模型照样看得见桌面环境,但该操作哪个物体,就明确多了。

可很快又碰到一道坎:SAM 3在现场并不能稳定地按文字提示分割出需要的物体。目标一开始就找错,后面的动作也就无从谈起。
SST想到的办法是倒放视频——一段示范结束时,哪个物体被抓起、被放到哪里,通常更容易判断。他们先用Agent从任务结束的画面里找到目标,再把目标的像素位置交给SAM 3,让它顺着倒放的视频一路追踪,补齐整段示范的分割标注。

有了这批数据,VLA训练和SAM 3微调可以同步进行。杨泽鸣介绍,SAM 3微调大约需要一个小时,之后就能接上前面的指令解析流程。动作执行方式也做了调整:模型每次生成50步动作,他们只执行前16步,随后重新推理,配合动作平滑处理,让操作更精细。

经过这些调整,SST最终得分65.87分。二等奖由SST与EVA共同获得,一等奖归TARS,Vida、FDU_SONIC、ai-robot拿到三等奖。
各队成绩如下:

看到这里,可能会以为比赛拼的就是谁更擅长处理数据。
各队确实都在这上面花了力气,不过对于“缺什么、该怎么补”,大家的判断差别不小。
以Vida团队为例,他们注意到公共数据里跨越桌面中线去抓取的示范不多,便针对这些困难布局补采;公共数据中没有杨桃,他们也单独做了采集。
FDU_SONIC的做法是训练的同时盯真机表现,从机器人失败的方位反推该补哪些数据,最终排名第五。
这些方案都得在48小时内见效,训练速度自然不能拖后腿。AI基础设施出身的驰序知行把训练提速约3.7倍,比赛期间迭代了30多个模型检查点;TARS把单步训练耗时从约15.6秒降到3.4秒,为持续加入新数据腾出了时间。
不过,数据采得多,成绩未必跟着涨。
Motion团队在补充任务二、任务三的数据继续训练后,发现任务一的表现反倒下滑。“师兄会帮我调真机的对不队”复盘时也提到,五名成员轮班采集,各人操作习惯不一,有人习惯先抬手,有人习惯先向前,模型在有限时间内没能学稳。
把这些经历和前三名的方案摆在一起,比赛反而更有看头:大家都是在教机器人干活,可示范怎么做、哪些经验该留,开发者自己也是一边做一边摸索。
蚂蚁灵波为什么要办这场比赛?
数据问题还算在选手预料之内,另一些团队碰上的麻烦,更有真机实战的滋味。
比如“今天也要好好检东西”团队搭了一套相当完整的方案:扫描物体、搭建仿真资产,再由上层模型观察并拆解任务,交给VLA执行。
但上了真机,机器人放物体时偏差频出。复盘后他们发现,自家机械臂与桌子的距离和其他队伍差了约5厘米,机器人的可达性和放置位置都受了影响。
等他们把问题查清、位置调好,比赛剩下的时间已经不多了……
对习惯在软件里调模型的开发者来说,这种状况尤其容易打个措手不及。训练流程看着没毛病,机器人也在执行指令,可桌子位置一换,原先的动作就可能失灵。
这也解释了为什么仿真初赛已有队伍跑到70%以上,蚂蚁灵波仍要再设一场48小时真机决赛——
硬件适配、跨任务泛化,还有短时间内定位并解决问题的工程能力,都得放到真实机器人上检验。
特别是这次比赛要求三项任务共用一套模型,开发者必须掂量:为某一项任务做的调整,会不会拖累另外两项。Motion团队遇到的成绩退步,说明这种兼顾并不轻松。
这正是蚂蚁灵波反复强调原生具身的原因,蚂蚁灵波首席科学家沈宇军这样解释:
“
所谓正向开发,就是先想清楚机器人需要什么,再为它准备什么。

赛场上,透明收纳架难以定位,簸箕抓不稳,各队还得反复调整动作执行方式,选手们解决的就是这些看着细小、却足以让任务失败的问题。
比赛结束后,问题只会更多不会更少。比如今天调好的模型,换一套货架、改一下光照、多加几种物体,还能保住多少效果?
说到底,如果每到一个新场景都要重新采集、训练,再派人到现场调试,部署成本就很难降下来。
沈宇军对数据还有一层看法,这场比赛恰好把它印证了出来。他的原话是:
“
在他看来,行业得先找到数据质量的下限——弄清楚数据达到什么水平,模型就能拿到有效增益;要是一味往更高质量上追,采集成本只会一路往上走。
蚂蚁灵波CEO朱兴也在现场聊到了产业落地的现实处境。他的提醒是,“不要盲目乐观,也不要过度悲观。”
朱兴进一步解释,具身智能的Scaling Law路径仍处在探索阶段,但过去一年里,数据采集和供给、模型能力,以及工厂和物流场景的试点都有推进。他预计从2027年起,产业应用落地会提速,并把真实作业中的异常数据带回来,供模型继续迭代。眼前碰到的难题,得靠这些具体实践一点点解开。由此来看,这场比赛给出的一个重要参照,就是让人看清同一个基础模型交到不同开发者手上会被怎么用、又会在哪些地方卡住。
这些方案当然还需要更多场景去检验。不过开发者把哪些办法有效、哪些地方失败讲明白,至少能让后面的尝试少些盲目。
生态同样得往外打
其实已经有团队从别人的工作里得到了好处。Vida团队在路演时就提到,他们的GeoAAC方法被其他队伍拿去打初赛,效果还不错;Vida自己也借用了别家团队的研究来继续改方案。
换句话说,大家争的是同一张榜单,技术经验却已经流动起来了。对一心想做跨本体通用大脑的蚂蚁灵波来说,把外部开发者拉进来做适配,是件值得长期投入的事。
模型团队很难亲手覆盖所有硬件和任务,外部开发者则能把模型用到各种场景里,发现问题,再做出对应的适配工具,模型的边界就这样被一点点推开。这些经验若能整理出来反复使用,后来者进入相似场景时就能少走重复的路;开发者反馈的问题,也能帮蚂蚁灵波判断哪些能力该优先改。
也因如此,蚂蚁灵波在现场推出了蚂蚁灵波开发者生态计划,想给这类协作一个长期支撑。计划首期要邀请20位MVP,主要面向高校教师和科研人员;同时招募40位Developer Expert,面向核心开发者及技术内容创作者。
两类伙伴参与共建的方向不一样:高校教师和科研人员可以把模型实践做成课程、实验案例和研究成果,工程开发者则能贡献Demo、开源工程、评测脚本和教程,让更多人真的把模型用起来。为了支撑伙伴持续产出,蚂蚁灵波也配了资源和激励——MVP这边,优质课程研发有现金激励,还能获得研发交流、合作对接等机会;Developer Expert这边,则有产品优先内测、研发交流及作品推广等支持。

这些安排最后能不能起作用,还得看开发者用起来顺不顺手、碰上问题有没有人回应。课程不该只把实验步骤摆出来,得让学生能独立做完;教程也不能光讲怎么做,还要说清适用条件,以及失败之后从哪儿查起。
开发者反馈给研发团队的问题,如果能被持续跟进、落到后续改进里,前面的投入才算真正转起来。具身智能尤其吃这种积累:同一次抓取失败,可能是模型的问题,也可能出在数据、标定或机械臂状态上。前一个团队留下排查过程,后一个团队就能少绕几段路。
站在企业角度,这些积累的价值还要更远一些。开发者越容易上手,模型越有机会进新项目;项目里的问题解决了,又能给后续部署留下可复用的工具和方法。开源模型的竞争,也会顺着这条路延伸到开发支持和实际应用上。
沈宇军说,今年围绕机器人做二次开发的项目在变多,一些团队开始用硬件、模型和算法的组合去解决具体任务。在他看来,硬件成本和模型使用门槛继续降下去,解决方案商和二次开发团队会有更多空间。开发者能不能把这些任务做成生意,也就成了看生态价值的另一个角度。
同样的道理,首届挑战赛冠军团队TARS这回直接从零手搓数据,里头有一部分经验是可以留下来的:他们为什么决定换抓法,怎样采到稳定的示范,这些都还能继续验证。EVA的数据回流流程、SST倒放视频的标注办法,也可以给其他团队当参考。
48小时,冠军已经决出。可对蚂蚁灵波来说,真正的下一场考验在后面:后来者能少花多少个48小时。