蚂蚁灵波挑战赛:15支战队教机器人做家务
蚂蚁灵波CEO朱兴:行业还在快速迭代,尚未迎来具身智能的Scaling Law时刻
现场画面里,一条机械臂握着小刷子,另一条夹着黄色簸箕。红黄两色的纸团散落在绿色桌面上,收纳筐搁在旁边。两名选手立在设备前,低着头忙活,其中一个弯下腰,盯着眼前的机械臂。

这张照片拍自首届蚂蚁灵波具身大模型挑战赛现场。按照比赛要求,机器人得把桌上的垃圾扫进簸箕,再倒进筐中。选手手边放着笔记本电脑,身前是机械臂和一堆线缆,桌上摆的则是家里常见的小刷子和纸团。
11月14日上午9点,上海张江科学会堂,15支战队领到了决赛题目。除了用双臂清扫桌面,他们还要完成两项单臂任务:抓取果蔬,以及把化妆品放进透明盒。参赛者从北京、上海、深圳、武汉等地赶过来,甚至有人专程从温哥华飞回国内。
后面的48小时里,同一款开源模型LingBot-VLA 2.0、统一的硬件和推理算力是所有人的起点,各队要在这套条件下采集数据、调优模型,再让机器人把这些动作做出来。
人做起来顺手的事,到了机器人这里,都要重新开始学。
01 先把一件东西抓好
拿下一等奖的TARS战队,队长吴昊楠是00后,马上就要从天津大学硕士毕业。队里五个人平均年龄25岁,分别来自福田实验室、西北工业大学、普渡机器人和天津大学。队名借的是《星际穿越》里那个忠诚又幽默的机器人。

路演时,吴昊楠讲起了他们处理杂乱场景的办法。
桌上同时摆着好几样东西时,模型感知起来就吃力。TARS的做法是把复杂的多物体场景拆成单物体抓取,让模型一次只盯一个目标,杂乱环境对抓取的干扰也就降了下来。
任务简化了,机械臂自身的偏差仍要解决。赛方统一提供了预采数据,各队也能在现场自己采。TARS选择重新采一批规模不大但精度更高的数据,采集时两人配合,以削弱实际机械臂系统性误差的影响。
他们连示范动作的人是否舒服,也考虑进去了。
人操作设备时,会不自觉地照顾自己的身体:怎么握省力、手臂搁哪儿舒服,这些都会改变示范时的动作轨迹。吴昊楠在路演中讲过一个思路——采集时要防住这类习惯渗进机器人的动作,留下的轨迹才能更自然、更有效。
这批数据得同时满足两个要求:机械臂能不能照着手势把动作做完,采集的人有没有把省力、舒服的毛病一并带进去。为此TARS安排两人协作,尽量不让人的姿势干扰动作轨迹。采集和调整示范,本身就是他们备赛的一环。
11月16日,决赛结果公布。三轮真机测评取最高一轮总分,TARS以82.5分排在第一。EVA、SST获得二等奖,Vida、FDU_SONIC和ai-robot获得三等奖。
02 抓起来以后,还有下一步
抓起来之后还得放下去。化妆品要送进透明盒,清扫则要求两条机械臂配合:刷子把纸团扫过去,簸箕必须接得住,最后再把垃圾倒进收纳筐。评测不光看任务成功率,也看动作完成得怎么样。
物体在什么位置、手臂从哪里靠近、两只夹爪怎样配合,都会影响接下来的动作。对机器人来说,理解“把桌子收拾干净”只是开始。
同日举行的开发者大会上,蚂蚁灵波首席科学家沈宇军谈到了机器人大脑面临的几类难题:输入本身带误差,输出要过物理交互这一关,而物理世界不会停下来等模型。
在电脑里算出下一步,和机械臂及时做出下一步,中间隔着距离、接触和时间。夹爪贴近物体时,位置判断准不准,碰上之后会不会滑动,都得接着处理。人做家务几乎不用专门想这些,机器人却要靠感知和动作模型配合才能完成。
蚂蚁灵波把空间、动作和接触反馈都纳入模型训练,目标是让机器人能依据实际反馈调整动作。同一个模型,还得尽量适配不同的机械臂、夹爪和任务。
对行业进度,朱兴的判断相当克制。这位蚂蚁灵波CEO在接受采访时说,行业仍在快速迭代,具身智能的Scaling Law时刻还没到;技术落地验证和产学研协同,会加快具身智能的进化。
这场比赛里,开源基座已经帮15支队伍免去了从零训练模型这一步。余下的时间,他们还是要守着真实设备,把采集、训练和执行中的问题一个个解决。TARS把模型不擅长的多物体任务拆开,又针对实际设备重新采了动作数据。同一款模型能走多远,还得看用它的人怎么组织任务、怎么教它。
03 让更多人摸到真机
对不少报名者来说,获得这样的操作机会并不容易。
报名规模最终定格在1855支队伍、3252人。组委会的统计显示,其中51.7%的选手具备VLA或多模态大模型背景,真正动手调过真机的占20.9%。这几类经历允许重叠,但摸过真机的比例确实只有约五分之一。
能训练模型,不等于手边有机器人可用。决赛现场由主办方提供松灵COBOT MAGIC设备、数据和算力,并安排现场答疑与技术支援。选手可以拿自己的方案上手试,碰上设备和部署上的问题,也有机会当面对接交流。
上海交通大学人工智能学院副教授李永露表示,比赛能沉淀下经过实战检验的工程经验与方法。某次抓取为什么没成功、补采哪些数据之后情况好转,类似的经验都能在团队之间互通。
蚂蚁灵波当天还发布了开发者生态计划,后续会继续支持这类实践。按计划,它将邀请20位最有价值专家,为教学与学术创新提供支持;同时招募40位开发者专家,帮助技术实践和专业成长。
这套安排与灵波眼下的商业化测试直接相关。它和国大药房联手,让不同品牌、不同构型的机器人配合完成接单、分拣和交付;工业与物流方向上,上下料和包裹分拣的合作也在推进。
比赛里那些抓取、放置动作,到了上述场景会一遍遍重复出现。82.5分只反映TARS最好的一轮表现;放到药房和仓库,还要看机器人连续作业时,隔多久就得叫人帮一次忙。