蚂蚁灵波具身大模型挑战赛:TARS团队48小时自采数据夺冠,拿走8万元

资讯 腾讯网 作者:量子位 全文 4373 字 · 约 11 分钟读完 配图 1 张 分类大模型

金磊 发自 上海 量子位 | 公众号 QbitAI 真的就是,自信放光芒。 这一幕,便发生在一场具身大模型挑战赛决赛现场—— 有个参赛团队在主办方已经提供高质....

所属频道 模型发布

金磊 发自 上海

量子位 | 公众号 QbitAI

自信这东西,有时候真能放光。

这一幕出现在一场具身大模型挑战赛的决赛现场。

主办方本来就给了高质量数据集,可有支参赛队伍偏不照用。队长拍板:从零开始,自己手搓新数据。

最终得分82分,拿下比赛第一,8万元奖金到手。

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付三项任务:

  1. 按指令摆放水果;

  2. 把化妆品放进透明收纳架的指定层;

  3. 双臂配合清扫垃圾。

冠军团队判断,前两项说到底都是抓取和放置的问题,于是直接用了现成方案。

到第三个任务,情况变了。官方给的210条数据,抓的都是簸箕把手。接触面小,稍微一偏就滑,还容易翻。

团队当场决定重新采集,改抓簸箕后沿。思路很直接:先让工具稳下来,再谈后面的动作。

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。

就是这么一次孤注一掷,让成绩在临近比赛前几分钟反超第二名,直接夺冠。

刺激,确实刺激。

这到底是个什么比赛?

答案不绕弯: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,最后15支队伍进入48小时真机决赛。

夺冠队伍叫TARS,名字取自《星际穿越》里的机器人。队里一共4人,年龄最小的25岁。

队长吴昊楠是即将从上海交通大学毕业的博士。

更有意思的是,量子位跟吴昊楠聊的时候,他提到团队里没人做具身智能方向,都是抱着试试看的心态来的。

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”不过分。

放到整场比赛里看,“自信哥”的操作只是众多亮点之一。决赛中几乎每支队伍都亮出了自己的技巧,具身圈的小伙伴们值得围观一波。

48小时,分秒都得掰着用。

前面说到被TARS最后一脚反超的那支队伍,就是元一智能的EVA团队。

做路演PPT那会儿,他们还排在榜首。比赛一结束,名次换了,PPT上写的战绩,也成了这场追逐战的一个注脚。

可逆袭这事,EVA自己也走过一遍。

队长武显瑾说,头一天拿官方公开数据训练完,真机成功率只有10%上下。机器人到底差在哪,很难一眼看出来。

示范数据不够干净?训练方式不对路?还是采集和执行时物体摆的位置对不上?48小时里要一项项排查、再重训,时间根本不够用。

EVA的办法是,从机器人失败的地方切进去。

先让模型跑起来,看轨迹。碰上没见过的情形,或者动作已经跑偏,人就补示范、接手纠错。之后再用大模型做评判和标注,把整理好的数据塞回训练里。

这样一来,机器人刚犯的错,下一轮“复习题”里就可能再出现。

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,速度提到原来的2.7倍。最终得分73.83分。

EVA这套打法就是RSI,递归自我改进。武显瑾也说了,眼下的数据采集、人工接管、成功与否的判定,还都得有人参与。团队想再往前推一步:让机器人自己练,大模型来判断成败,再拿这些执行记录接着训练。

说白了,这次比赛他们跑通了其中一段,也看清了后面还缺哪些环节。

EVA靠不断补采数据往上走的时候,排第三的SST团队走了另一条路——他们额外采的数据,只有3条。

这个数字乍看有点夸张。需要说明的是,SST用的同样是官方数据,主要精力花在怎么处理这些现成的示范上。

这支队伍还有个让人忍俊不禁的中文名,叫“老年上海观光团”。

队长杨泽鸣是天津大学大四学生,另外三名成员都是研究生。“老年”两个字,来自他们对三位学长的调侃。

名字起得随意,解题思路倒很清楚——桌面上的杂物会干扰机器人判断,那能不能在机器人动手之前,先替它把目标标出来?

为此,SST让

这么一来,模型照样能看到桌面环境,但该操作哪个物体,就清楚多了。

团队很快发现,这个方案还卡着一道坎。原始

SST想到了倒放视频:一段示范结束时,哪个物体被抓起、放到了哪里,通常更容易看出来。

他们先借助

有了这批数据,团队就能同时训练

动作执行方式他们也改了。模型每次生成50步动作,他们只执行前16步,然后重新推理,再配合

靠这些调整,SST拿到65.87分。他们和EVA同获二等奖,冠军TARS拿下一等奖,Vida、FDU_SONIC、ai-robot获得三等奖。

各队最终成绩如下:

看到这里,或许会觉得,比赛的关键就是谁更会处理数据。

确实,各队都在这件事上下了功夫,但大家对“该补什么、怎么补”的判断,又很不一样。

拿Vida团队来说,他们发现公共数据里跨过桌面中线去抓的示范不多,于是把这些难做的布局补采进来;杨桃在公共数据里压根没有,他们也单独去采。

FDU_SONIC团队则一边训练、一边检查真机表现,再根据机器人失败的位置,倒推需要补充什么数据,最终取得第五名。

方案得在48小时内奏效,训练速度也不能拖后腿。驰序知行本来就有AI基础设施的底子,把训练提速到约3.7倍,比赛期间迭代了30多个模型检查点;TARS这边,单步训练耗时从约15.6秒降到3.4秒,给不断加进来的新数据腾出了时间。

但数据采得更多,成绩也未必就会涨。

Motion团队把任务二、任务三的数据补进去继续训练,结果任务一的表现反倒下滑了。“师兄会帮我调真机的对不队”复盘时也讲到,五个人轮着采,各人操作习惯不一样,有的先抬手,有的先往前,模型在有限时间里没学扎实。

这些经历,再加上前三名的方案,摆在一块儿让比赛好看了不少。大家其实都在想办法教机器人干活,可示范怎么做、哪些经验该留下,开发者自己也是边干边摸索。

蚂蚁灵波为啥要办这个比赛?

如果说数据问题还在选手们的预料之内,那么另一些团队遇到的麻烦,就更有真机实战的味道了。

例如“今天也要好好检东西”团队便做了一套可谓是相当完整的方案,他们扫描物体、搭建仿真资产,再由上层模型观察和拆解任务,让

一上真机,机器人放东西却老是偏。团队回头复盘才找到原因:自家机械臂和桌子之间的距离跟别的队差了约5厘米,机器人的可达范围和放置位置都受了影响。

而等他们查清问题、调整位置,比赛却已经没剩多少时间……

平时习惯在软件里调模型的人,碰上这种事最容易发懵。训练流程看着没什么毛病,机器人也在照着指令动,可桌子一挪,原先那套动作可能就失灵了。

这也解释了为什么仿真初赛已经有队伍跑到70%以上,

硬件适配、跨任务泛化,以及短时间内定位和解决问题的工程能力,都需要放到真实机器人上验证。

何况这次比赛三项任务得共用一套模型,开发者必须琢磨:为某一项任务做的改动,会不会把另外两项带偏。Motion团队那次成绩退步,正说明这种兼顾不好做。

而这便是蚂蚁灵波为什么也一直在强调原生具身的原因,正如蚂蚁灵波首席科学家沈宇军的解释:

正向开发,也就是先想机器人需要什么,再为它准备什么。

赛场上,透明收纳架不好定位,簸箕抓不牢,各队还得一遍遍改动作的执行方式,选手们要对付的就是这些看着不起眼、却能让任务翻车的细节。

而比赛之后,问题只会更多不会更少,例如今天调好的模型,换一套货架、改一下光照、增加几种物体,还能保留多少效果?

一言蔽之,如果每到一个新场景,都要重新采集、训练,再派人现场调试,部署成本就很难降下来。

因此,沈宇军关于数据的另一个判断,也与这场比赛形成了呼应。他认为:

数据质量的下限在哪里,行业得先找到答案:数据达到什么标准,模型才能获得有效增益,这一点需要弄清楚。若一味往更高质量上追,采集成本只会一路往上加。

蚂蚁灵波CEO朱兴在现场也谈到了产业落地的现实。他提醒说,“不要盲目乐观,也不要过度悲观。”

朱兴对此解释道,具身智能的

同一个基础模型交到不同开发者手里,会怎样被使用、又会在哪里卡住,这正是这场比赛能提供的一个重要参考。

这些方案当然还需要更多场景来验证。不过开发者把有效的方法和失败的原因讲清楚,至少能让接下来的尝试更有方向。

还要把生态给打出去

事实上,有些团队已经从其他开发者的工作中受益了。

例如Vida团队在路演中提到,他们的

大家虽然在争同一张榜单,技术经验却已经开始流动。

对于希望打造

模型团队很难亲自覆盖所有硬件和任务,外部开发者则可以把模型应用到不同场景中,发现新的问题,并开发相应的适配工具,帮助模型不断拓展能力边界。

这些经验若能被整理和复用,其他人进入相似场景时,就有机会减少重复摸索。开发者反馈的问题,也能帮助蚂蚁灵波判断哪些能力需要优先改进。

也正因如此,蚂蚁灵波在现场发布了蚂蚁灵波开发者生态计划,希望为这类协作提供长期支持。

计划首期将邀请20位

共建会分两条路走。高校教师和科研人员那边,可以把模型实践整理成课程、实验案例,也能沉淀为研究成果;工程开发者这边,能拿出Demo、开源工程、评测脚本和教程,让更多人真把模型用起来。

为支持伙伴持续产出,蚂蚁灵波也将提供相应的资源与激励。面向

至于这些安排最终能否真正发挥作用,还要看开发者用起来是否顺手、遇到问题时能否得到回应。

课程不应当只是把实验步骤列出来,更要让学生能够独立完成;教程也不能只讲怎么做,还应说明适用条件,以及失败后该从哪里排查。

开发者向研发团队反馈的问题,若能被持续跟进并落实到后续改进中,前面的投入才算真正形成了闭环。

具身智能的积累尤其吃这一套。同一次抓取失败,原因可能在模型,也可能出在数据、标定或者机械臂状态上。前一个团队把排查过程留下来,后一个团队就能少绕几段路。

放到企业视角看,这类积累的价值还会往后延伸。开发者上手越顺,模型进新项目的机会就越多;项目里的问题一旦解决,后续部署又能拿到可复用的工具和方法。开源模型的竞争也会顺着这条路,往开发支持和实际应用上铺开。

正如沈宇军所说,今年围绕机器人做

首届挑战赛冠军团队TARS从零手搓数据这件事,同样有经验可以留下来。他们为什么换抓法、怎么采到稳定的示范,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,也能给其他团队当参考。

这场比赛虽然已经用48小时选出了冠军,但对蚂蚁灵波来说,下一场考验是让后来者少花多少个48小时。

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。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 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
  2. Qwen4-Max发布:2.4T参数、百万上下文,单任务成本降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。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,Qwen4 位

    来源 AI 行业观察
  3. 梁文锋越过聊天框

    (本文作者为 字母AI,钛媒体经授权发布)文 | 字母AI11月15日下午,突然有多位DeepSeek用户表示,当他们想接着几天前的对话往下聊时,手机App就会弹出一条提示:“由于算力不足,已超过72小时的长对话暂不可用,可导出对话到其他App使用。”社区里,有用户整理了同时出现的另外几种报错,比如“内容超长,请删减后

    来源 腾讯网
  4. MIT六项技术承诺兑现几何?认知永生离现实还有多远

    MIT Technology Review的“The Download”栏目聚焦两大话题:六项曾承诺改变世界的技术如今进展如何,以及人类对“认知永生”的探索。文章提出,衡量技术进步应看真实部署而非宏大宣言;而借助大模型构建数字分身等技术,正让“认知永生”从科幻走向现实,但也带来身份与伦理的深层拷问。

    来源 AI 科技快讯
  5. 李彦宏谈AI四层结构:终极价值在应用层

    11月17日,2026年APEC工商领导人峰会11月17日至18日在深圳举办,主题为“共促繁荣,共赢未来”。百度集团创始人、董事长兼首席执行官李彦宏表示,过去几年大家都见证了AI技术的快速进步。在他看来,AI可以分为四个层次:底层是GPU芯片,往上是云基础设施,再往上是开源模型或前沿大模型——它们都构建在云基础设施之上

    来源 腾讯网
  6. 造物潭完成数千万元天使轮融资:AI从研发工具走向工程执行主体

    Z Potentials 近日独家获悉,造物潭完成数千万元融资,本轮由嘉铭浩春领投,国资战略引导基金及智能制造领域产业资本参与投资。本轮资金将主要用于自研电子行业大模型的训练迭代、工程对象本体体系的持续建设,以及企业级产品的交付与市场拓展。造物潭的核心产品「小潭子」,以专业 AI 数字员工与自研电子行业大模型双核驱..

    来源 腾讯网
  7. 阿里发布Qwen4并上线Qwen4-Max:Token减半、得分升近28%

    阿里巴巴11月16日正式发布全新一代基座大模型 Qwen4,千问 AI 平台首发上线 Qwen4-Max,API 服务与 Token Plan 同步开放。模型采用基于 Qwen 稀疏注意力(QSA)的全新 MoE 架构,总参数2.4T,具备原生视觉与长程任务稳定交付能力,支持百万上下文,可调用专业工

    来源 AI 开发者社区
  8. 阿里发布Qwen4,千问平台首发Qwen4-Max:Token减半、得分涨近28%

    11月16日,阿里发布新一代基座大模型Qwen4,千问AI平台首发Qwen4-Max,API与Token Plan同步开放。该模型采用Qwen稀疏注意力MoE架构,总参数2.4T,支持百万上下文、原生视觉与长程任务稳定交付,可调用工具并分阶段交付;评测中同档位较上代提升。

    来源 AI 产业速递
  9. 苹果测试Apple Intelligence每日额度,iCloud+订阅可扩容最高20倍

    苹果正测试为 Apple Intelligence 云端 AI 设每日额度。iOS 27.3 Beta2 等测试版及支持文档显示,高算力服务器端任务将不再免费无限使用。限额覆盖新版 Siri、相册智能修图(消除、扩图、空间重构)、Image Playground、快捷指令云端大模型及接入私有云的第三方应用。日常设置等轻

    来源 AI 产业速递
  10. 谷歌 Gemini4Carbon 入驻 WorkBuddy,百万 Token 上下文向 Pro 用户开放

    腾讯 WorkBuddy 国际版于11月15日宣布正式接入谷歌 Gemini4Carbon 大模型,面向复杂推理和长周期任务处理场景提供模型支持,目前仅向 Pro 计划用户开放。 Gemini4Carbon 是谷歌面向长周期智能体工作流推出的模型,适用于复杂知识工作、软件工程、网络安全及科学推理等任

    来源 AI 开发者社区
  11. MIT追踪六项技术:自动驾驶、核聚变与认知永生走到哪一步了?

    MIT Technology Review的“The Download”栏目聚焦两大话题:六项曾承诺改变世界的技术如今进展如何,以及人类对“认知永生”的探索。文章提出,衡量技术进步应看真实部署而非宏大宣言;而借助大模型构建数字分身等技术,正让“认知永生”从科幻走向现实,但也带来身份与伦理的深层拷问。

    来源 AI 行业观察
  12. 智谱市值五个月蒸发超1万亿港元,大模型赛道集体遇冷

    五个多月,在一家公司身上市值蒸发超过1万亿港元。 资本市场残酷无情,智谱巅峰时总市值触及1.33万亿港元,超越美团、百度、快手等一众老牌互联网巨头。但短短五个多月时间,股价较高点已回撤超过85%。 是智谱不够努力吗?恰恰相反,其旗下的大模型能力仍在持续增强。 智谱股价和市值的过山车,只是大模型赛道的一个缩影。把视野放大

    来源 AI 行业观察
  13. 腾讯WorkBuddy接入Gemini4Carbon:百万Token上下文向Pro用户开放

    腾讯WorkBuddy国际版11月15日宣布接入谷歌Gemini4Carbon大模型,面向复杂推理和长周期任务,目前仅向Pro计划用户开放。该模型面向长周期智能体工作流,适用于复杂知识工作、软件工程、网络安全及科学推理,支持文本、图像、音频和视频多模态输入,输入输出合计上下文窗口最高达100万Token。

    来源 AI 产业速递
  14. 书生-S2.1 Flash开源:科研任务推理成本仅星河十分之一

    近日,上海AI实验室发布并开源书生科学多模态大模型 S2.1 Flash(简称书生-S2.1 Flash)。模型融合实验室近期一系列前沿原创技术,在科学数据理解、复杂科研任务闭环执行能力上实现进阶,且同一任务下其推理成本仅为智能体模型书生·星河的十分之一,让科研工作提质、提速、提效,实现多快好省。

    来源 AI 开发者社区
  15. NICT OptiMer:不重训模型,如何快速锁定最优数据配比?

    大模型训练中,数据配比调优通常意味着昂贵的从头重训。日本信息通信研究机构(NICT)团队在EMNLP 2026获奖论文中提出OptiMer方法,通过合并“分布向量”来搜索最优数据比例。该方法将试错效率提升15至35倍,且在C-Eval、MMLU等基准测试中得分高于传统混合训练。文章解析了其技术原理、实验效果及在构建日语

    来源 AI 应用前沿
向下滚动自动加载更多