1855支队伍同台,48小时真机赛检验具身大模型

资讯 腾讯网 作者:机器人前瞻 全文 2800 字 · 约 7 分钟读完 分类SOTA模型发布大模型具身智能

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。....

所属频道 模型发布机器人与具身智能

机器人前瞻(公众号:robot_pro)作者许丽思,编辑漠影。

具身智能行业今年以来的热度,从这场赛事的报名数字就能看出。

真机评测平台把模型放在统一条件下比拼,比赛由此展开。

榜单的意义在于可比性:任务相同、条件一致,模型能力的进展才好衡量。不过产业界还盯着另一个问题。

模型交到外部开发者手里,换一批人、换一批数据、换一个操作环境,成功率还能有多少?

上海今天开赛的48小时真机决赛,正是把这个问题抛给开发者。

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;线上仿真初赛过后,15支战队闯入真机决赛,共同使用开源具身大模型。

榜单能反映模型在既定条件下的水平。可开发者用多少数据、花多少时间把能力变成稳定的真实操作,才更贴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?

决赛现场,参赛者背景五花八门:具身智能科研人员,互联网算法和自动驾驶领域的跨界工程师,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。

开源基模给了这些跨界开发者共同的起点,也让他们有机会验证自己原有的技术经验。“fbfyfbf”队靠开源文档和AI编程助手搭起训练环境,“416一定行”队把搜索推荐领域的方法搬进机器人开发,“有手就行”队试着迁移自动驾驶领域的技术经验。

可一上真机赛场,难题就具体起来。决赛共三项任务:单臂抓取水果蔬菜;单臂抓取化妆品放进透明盒;双臂配合清扫桌面垃圾并倒入收纳筐。视觉理解、空间感知、动作执行,样样都得过关。

头一道难关是数据。有选手在路演时提到,官方给了647条公共数据,但没覆盖全部任务情况。比如水果摆放里出现杨桃、青尖椒这类缺少示范的物体,选手只能靠遥操作自己补采。

数据也不是采得越多越好,采什么、怎么采同样要紧。“416一定行”队在决赛里新增了一百多条数据,可采集内容与评测任务不够匹配,后续成绩反倒没超过第一轮。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,通常比盲目扩大数据规模更管用。

第二道难关来自真实物理环境。不少问题在仿真阶段看不出来,很多队伍还是头一回碰真机,挑战超出了先前预期。

有队伍反映,透明收纳盒的空间层次很难准确识别,现场光照变化也可能干扰机器人的视觉判断;还有机器人抓水果反复失败、机械臂伸展后下坠、清扫任务做完前半程却接不上倾倒动作……环境或动作上一点微小偏差,就可能拖累整套任务。

更麻烦的是,所有问题都得在48小时内解决。驰序知行团队介绍,为让现场采集的数百条数据更快投入训练,团队优化了训练流程,单步耗时从约15秒压到4秒左右。

时间紧、数据有限、现场充满不确定性,这场比赛呈现的开发压力,和真实产业部署面临的约束颇为相似。怎么用有限资源尽快找到最有效的改进方向,成了所有战队共同的考验。

二、同一颗机器人大脑,被开发出不同的解法

这场高压测试里,前三名队伍围绕数据回流、视觉提示和任务针对性优化,给出了几种有代表性的解法。

EVA队在比赛第一天测试时发现,只用官方公共数据训练的初始模型,决赛任务成功率只有约10%。团队判断,训练数据与实际评测场景之间的差异是影响模型表现的关键因素之一。于是他们没有单纯调模型参数,而是搭了一套能持续改进数据质量的机制。

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,再由AI完成数据标注、清洗和轨迹评分,失败场景则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,他们借鉴了相关思路。

SST队的思路是让机器人先看清操作对象,借鉴相关做法,还反向读取视频,生成目标物体的分割数据,用来优化模型训练和动作执行。推理阶段,模型一次输出50个动作,实际只执行16个,为的是让操作更平滑、更精细。

冠军TARS队则把三项任务分开应对,不同难点投入不同资源。水果摆放和化妆品收纳两项,团队利用

垃圾清扫任务里,TARS队注意到机械臂往前伸得越多,受负载影响越容易往下坠。他们加负载做测试,针对不同伸展状态建立偏差补偿方法,在推理执行时修正动作。训练单步耗时也从约15秒压到3.4秒,模型迭代速度随之提升。

三支队伍走的路不一样,但起点都是同一个开源基础模型,各自在数据、感知、执行上做文章。对开发者而言,有限的时间可以集中花在具体任务的难点上;他们踩过的坑和给出的解法,也为模型后续改进留了参考。

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小时比赛结束,这些技术尝试和实践经验怎么接着发挥作用?更多开发者又怎样在前人基础上继续往前走?

“我们既关心有多少人参与,也关心参与之后留下什么。”

为此,LingBot开发者生态计划推出。首期计划邀请20位

一边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;另一边面向核心开发者及技术创作者,鼓励做Demo、开源工程、评测脚本,也鼓励分享教程和实践经验。

据介绍,。

开发者的实践同样会反推基础模型往前走。蚂蚁灵波收到的这些反馈,能帮研发团队看清改进方向,把模型能力和开发工具继续完善。

这就形成了一个开发者生态飞轮:开发者拿开源模型做应用、攒经验,成果通过课程、教程、开源项目等渠道被更多人用起来;新实践又带来新问题和需求,推动模型继续迭代,再吸引更多开发者加入。

真实世界的任务和场景极其复杂,哪一家模型研发团队都覆盖不了全部应用需求。让不同领域的开发者围绕开源基础模型持续创新,把成功经验沉淀成可复用的资源,机器人大脑才有机会走进更多真实场景。

结语:具身智能的“安卓时刻”正在酝酿

业内常用“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

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。

开源基础模型的价值正在这里。它没法打包票说机器人在哪都能干得漂亮,可它把机会摊开了——更多人能自己上手,摸清模型到底卡在哪儿,再一步步把这道线推远。那些被记下来的翻车案例、被分享出来的补采办法,后来的人照着走,就不必再绕一遍弯路。

往后要是越来越多开发者能拿开源的具身基础模型做创新,再把手里的经验交回社区,具身智能的突破就不会只挤在少数几个实验室里了。

改变行业的力量,也将扩散到无数开发者手中。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关 AI 工具

AI 导航
腾讯混元大模型 腾讯混元大模型由腾讯全链路自研,在文本和多模态模型性能方面表现卓越,处于业界领先水平。其混元 API 整合了… 大模型与开发平台 · tencent.com 快手可图大模型Kolors 可图大模型(Kolors)是快手大模型团队自研打造的文生图AI大模型,能够根据用户的文字输入生成风格多样、画… AI 绘画生图 · kuaishou.com 盘古大模型 华为盘古ai大模型官网入口,1100亿密集参数,40TB海量数据精细训练而成 简介 盘古NLP大模型是一项基… 大模型与开发平台 · huaweicloud.com V2Sota 用于生成带声音的电影级高清(HD)视频的AI视频生成器 大模型与开发平台 · v2sota.com BlueLM蓝心大模型 蓝心大模型官网,vivolm,vivo自研的通用大模型 简介 蓝心大模型(BlueLM ),强大的语言理解能… 聊天对话 · vivo.com 云知声山海大模型 云知声山海大模型是一个多功能、跨领域的智能大模型,它通过集成丰富的知识库和先进的自然语言处理技术,为用户提供… 大模型与开发平台 · unisound.com 子曰” 大模型 子曰是网易有道推出的教育领域垂直大模型,包含基于子曰大模型研发的六大创新应用——“LLM翻译”、“虚拟人口语… 聊天对话 · youdao.com 曹植大模型 曹植大语言模型是国内首个垂直行业专用的自主可控的国产GPT大语言模型,由达观数据研发。这个模型可以准确完成多… 聊天对话 · datagrand.com

相关推荐 按相关度与热度排序

全部资讯 →
  1. 朱兴:具身智能Scaling Law未至,开发者生态如何推动产学研协同?

    【蚂蚁灵波科技CEO朱兴:行业仍在快速迭代,尚未迎来具身智能Scaling Law时刻】《科创板日报》16日讯,蚂蚁灵波今日发布开发者生态计划,并举办首届具身大模型挑战赛总决赛。对于方兴未艾的具身智能产业而言,蚂蚁灵波科技CEO朱兴在接受《科创板日报》等采访时强调,行业目前还在快速迭代,尚未迎来具身智能的Scaling

    来源 腾讯网
  2. 百度词元所上线首日:供应商增超100家,客户接入破1000家

    【环球网科技综合报道】11月14日,从百度获悉,百度词元所发布首日,新增申请入驻的供应商已超过100家,新增超过1000家客户接入。词元所在11月12日举行的百度世界2026上正式发布,百度创始人李彦宏将其称为“大模型的交易所”。据介绍,词元所一端汇聚模型和模型提供商,另一端服务企业和个人,让用户便捷地找到、购买和使.

    来源 腾讯网
  3. 阿里Qwen4-Max发布:总参数2.4T,单任务平均费用降六成

    新京报贝壳财经讯(记者罗亦丹)11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持百万上下文。基于创新的模型架构和训练优化,Qwen4-Max以更少的Token消耗实现了更高的性能,在智能体和编程等关键能力项上持续进化:在权威的全球前端编程盲测CodeArena中,Qw

    来源 腾讯网
  4. 华为云将发布首款昇腾原生具身世界模型 CloudRoboWM1.2

    华为云将于11月16日14:00-15:30举办线上发布会,正式发布首款昇腾原生具身世界模型 CloudRoboWM1.2,旨在推动具身智能从实验室研发走向千行百业规模化落地。 根据已披露议程,该模型将由华为云具身产品线总裁、具身智能 Lab 主任吴小东正式发布。随后,华为云具身智能 Lab 首席模

    来源 AI 开发者社区
  5. 大模型选型国标GB/Z 201:671B模型显存要1250G,先数卡再谈分

    《人工智能 大模型选型和应用指南》今年 7 月发布,编号 GB/Z 201,国家标准化指导性技术文件,23 页。牵头起草的是中国电子技术标准化研究院,南方电网、阿里云、华为云等 22 家单位一起署名,2026 年 7 月 30 日起实施。它不评谁在榜单上领先,讲的是从想用到用起来要过几道关:先算钱,再算卡,最后才算模型

    来源 腾讯网
  6. 华为公布最新数据:80%中国具身智能企业选择昇腾云

    11月16日华为云CloudRobo具身世界模型发布会上,华为云披露80%的中国具身智能企业选择昇腾云,重点高校基本实现覆盖,并称昇腾云在中国具身智能云市场排名第一。CloudRobo平台已汇聚超1.65万名开发者、230多家企业和高校,累计沉淀超1500项行业资产。

    来源 凤凰科技
  7. RSI mapping:全球爆金币?硅谷过度炒作?进化存在上下限?

    此刻,具身智能哑火,基座大模型训练遭遇瓶颈,决定AI产业的命脉英伟达CEO离职。一片坏消息里,RSI 成为最火的概念。甚至硅谷已经火到在反思是不是“过度炒作”。 据 RSI List 网站统计,截至2026年11月13日查询时,其目录已收录39家RSI相关创业公司,其中20家成立于2025年及以后。这些公司累计记录融资

    来源 AI 行业观察
  8. Agent递归自我改进:不训练模型如何越用越强?

    中科院自动化所与美团等机构联合发布综述,探讨LLM Agent如何在不更新模型权重的前提下,通过优化Prompt、记忆、技能和运行框架实现递归自我改进。文章梳理了“何时改、改哪里、怎么改”三个核心问题,并提出了包含收集、评估、诊断等七步的经验转化生命周期,为理解Agent从单次试错到持续进化的机制提供了清晰框架。

    来源 AI 应用前沿
  9. 阿里发布Qwen4-Max:2.4T参数仅激活71B,单任务费用降58%

    11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持百万上下文,现已上线千问AI平台对外提供API服务,中小尺寸模型将陆续开源。 据介绍,Qwen4-Max采用基于Qwen稀疏注意力(QSA)的全新MoE架构,2.4T总参数仅激活71B。在权威全球前端编程盲测CodeA

    来源 AI 行业观察
  10. 腾讯混元Hy4 flash发布:224B参数,张军称性价比最高

    【TechWeb】11月16日消息,今日,腾讯混元最新语言模型Hy4 flash正式发布。腾讯公司公关总监张军在社交平台发文称,“这是迄今为止性价比最高的混元模型。”混元Hy4 flash每百万Token输入0.5元、输出2元,命中缓存时仅需0.02元,价格相比Hy4大幅降低。该模型总参数量为224B(其中64B En

    来源 腾讯网
  11. XYBench基准出炉:AI答得对却帮不上忙,8000题考意图识别

    当用户问错问题时,AI是顺着错误给方案,还是指出真正的问题?Allen AI发布的XYBench基准测试了8000多个真实场景,发现主流大模型在识别用户潜在意图和纠正误解方面,表现远不如人类。本文详解XYBench的构建逻辑、评估维度及实验结果,探讨为何“听懂弦外之音”对AI助手至关重要。

    来源 AI 应用前沿
  12. MiniMax,狂卷字节、OpenAI

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 雷晶,编辑 | 魏佳AI生图赛道,最近打得火热。11月10日晚,MiniMax发布并开放H3-Image模型权重,打出了“又快又便宜”的牌。官方称,它10秒就能生成一张1600万像素的高清图片,价格只有同档位主流工具的50%-70%。在它之前,O

    来源 腾讯网
  13. 阿里Qwen4-Max发布:2.4T总参数仅激活71B,单任务成本降58%

    阿里巴巴11月16日发布新一代基座大模型Qwen4-Max,总参数2.4T但激活参数仅71B。新模型在前端编程盲测中位列全球第六,智能体能力评测领先。通过架构优化,其单任务平均费用较上代降低58%,缓存命中价格低至每百万Token 0.5元。目前该模型已上线千问AI平台,并在汽车制造、药物研发等场景落地,中小尺寸版本将

    来源 AI 应用前沿
  14. 斑马AI学发布2027版本

    36氪获悉,近日,斑马AI学发布2027版本,面向小学高年级阶段的斑马英语S8、斑马思维S7、斑马大阅读S7正式发布,这是斑马针对旗下AI学产品体系的一次系统性升级,意味着其产品已从兴趣启蒙全面进化至小学高阶的学习阶段。斑马自主研发的斑马儿童科教大模型,面向儿童学习场景打造,并已完成国家网信办生成式人工智能服务备案。基

    来源 AI 行业观察
  15. 中科曙光万伟:万卡集群扩规模,高速互连是关键

    训练一个大模型,往往需要把计算任务分配给大量计算设备。这些设备在各自完成计算的同时,还要通过网络交换数据,才能共同推进训练。如果数据传输跟不上计算速度,部分设备就会停下来等待,整个任务的完成时间也会随之延长。随着参与计算的设备越来越多,如何减少设备之间的等待,成为超大规模智算集群建设绕不开的问题。 11月15日,第八届

    来源 AI 行业观察
  16. Gemini被称美国豆包,张一鸣活成中国布林:两人都把时间押给AI

    在太平洋两岸的科技版图上,一种奇妙的镜像正在发生。大洋彼岸的硅谷,早已退居幕后的 Google 联合创始人 Sergey Brin (谢尔盖布林)重新走进办公室,与一线研究员并肩推演大模型架构。而在亚洲,2021 年便将字节跳动 CEO 权杖交给梁汝波、此后极少公开露面的张一鸣,也正以一种高密度、深介入的姿态重回技术腹

    来源 腾讯网
  17. Deepnote实测12款AI当同事:OpenAI包揽前二,Fable 5.2贵17倍反输

    花430倍的钱,只多11%的分数! 太夸张了。数据协作平台Deepnote今天发布了一项评测结果—— 创始人Jakub Jurovych搞了一个叫Agent Initiative Benchmark的东西,把12个前沿模型丢进同一家公司的Slack群里当AI同事,让它们自己决定什么时候该帮忙、什么时候该闭嘴。 跑完一看

    来源 AI 行业观察
  18. 华为云开源具身世界模型:覆盖八成具身企业,做机器人底层基建

    11月16日,华为云在线上发布并全面开源昇腾原生具身世界模型CloudRobo-WM1.2。该模型依托共享的世界模型骨干网络,增强了对环境的预测能力,并基于原生DualAct架构,实现了世界模型原生动作生成。同时,华为云宣布与福龙马集团联合研制的智能清扫机器人启动预售。据发布会介绍,该款CloudRobo-WM1.2模

    来源 腾讯网
向下滚动自动加载更多