48小时,15支决赛战队,三道真机考题。
11月14日上午9点,蚂蚁灵波首届具身大模型挑战赛总决赛正式拉开帷幕。三道赛题一公布,选手们迅速进入状态,一头扎进工作间,争分夺秒地调试模型、采集数据、部署机械臂,开启为期48小时的真机挑战。
15支决赛队伍从全球13个国家的1855支队伍中脱颖而出,成功晋级总决赛。决赛赛场里,一间间亮着灯的工作间、几十顶帐篷和补给站,见证着这场持续48小时的速度与激情。
48小时真机挑战
沉淀工程经验与方法论
决赛设置了三道贴近日常生活场景的考题,分别是用单臂抓取水果蔬菜、用单臂抓取化妆品并放入透明盒,以及用双臂配合清扫桌面垃圾,再将垃圾倒入收纳筐。
这些动作看似简单,但真正交到机器人手中,从物体识别、稳定抓取到精准放置,尤其是与透明物体的交互,再到两只机械臂相互配合,每一步都要经受考验。评审综合考察动作完成质量和任务成功率。
为了让比赛更公平,各支队伍均要以同一款开源预训练模型LingBot-VLA 2.0为技术底座,在统一的机器人硬件、推理算力和任务环境下展开真机挑战。
11月16日,经过三轮真机测评和现场路演,TARS战队以82.5分获得第一,EVA、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。
TARS战队队长吴昊楠即将从天津大学硕士毕业。他介绍,在比赛中,团队并没有让机器人直接面对复杂的多物体场景,而是将任务拆解为单个物体的抓取,以此规避VLA模型在杂乱环境下的感知瓶颈。在数据采集上,团队选择小规模、高精度的数据重采和双人协作采集模式,以减少机械臂在真实物理环境中的系统性误差,同时避免人类操作者的生理舒适度影响机器人动作轨迹的自然性与有效性。
“我们完成了完整的VLM模型上下游链路的训练,在技术上获得了成长,这对我们个人而言是一个非常大的收获。”吴昊楠表示。
对参赛选手而言,真机挑战的意义还在于,让模型走出仿真环境,接受真实物理世界的检验。
获得本次比赛第二名的EVA战队队长武显瑾是华中科技大学博士一年级学生。他告诉笔者,团队成员此前主要从事人工智能和3D空间感知领域的学术研究。通过这次比赛,他们发现,模型在仿真环境中表现良好,并不意味着部署到真实机器人上也能取得同样的效果。真实环境中的局部光照变化、目标物体的颜色和外观差异,甚至机械臂运行中的硬件故障,都可能影响模型的实际表现。
在上海交通大学人工智能学院副教授李永露看来,举办具身大模型挑战赛比拼沉淀下的不仅是荣誉,更是一套经受住实战检验的工程经验与方法论。通过统一基础模型、硬件载体与实操任务,大赛为高校学者、产业工程师与独立极客搭建了一个“控制变量实验场”,每一次抓取失败的边界条件、每一组精准校准的补采数据、每一次模型调优后的实测反馈,都能为后来者减少试错成本,推动机器人 “通用大脑”走进下一个真实的物理现场。
从挑战赛到开发者生态
据介绍,本次蚂蚁灵波首届具身大模型挑战赛吸引了来自全球13个国家的1855支队伍、3252名选手报名,覆盖648所高校、科研院所、科技企业及具身智能团队,成为行业最大规模具身大模型挑战赛。
选手们奔赴赛事的理由各不相同。笔者了解到,有人看重蚂蚁的行业影响力,以及赛事提供的成果展示和奖励机制,希望借此获得行业认可、拓展后续机会;也有人想借助赛事接触真机、将自己的技术想法付诸实践;也有人希望通过比赛丰富个人履历,并在比赛积累经验、与同行学习交流。
而在这场比赛中,所有参赛队伍都以同一款开源模型LingBot-VLA 2.0为基础,尝试不同的技术路径和实操方案。这款模型的能力给参赛选手留下了深刻的印象。
TARS战队队长吴昊楠表示,团队在比赛中发现,LingBot-VLA 2.0在视觉定位方面已经具备非常强的能力,部分特定物体边界识别不准确的问题,通过补充针对性数据进行优化即可。在视觉定位基础上,只需要持续进行数据采集和模仿学习,机器人很容易就能掌握相应的抓取动作。此外,他指出,模型还具备一定的纠错能力,能够在执行过程中自动纠正小幅动作偏差。
“这次参加比赛最大的收获,我觉得是我们看到了具身模型在生活场景中落地应用的可能性,这对整个行业的发展都有帮助。”吴昊楠表示。
赛场之外,LingBot系列开源模型也正被全球各地的开发者用于不同领域的应用探索,涌现出不少有意思的项目。
例如,瑞士洛桑联邦理工学院(EPFL)的DeepReefMap项目,将潜水员拍摄的海底影像转化为珊瑚礁空间信息,并提供LingBot-Map的安装、权重下载和重建入口,利用该模型完成珊瑚礁视频的三维重建。法国开发者Hugo Hernández运营的Alakazam Studios,则尝试通过Reactor接入LingBot-World 2.0,给LingBot生成的世界加入游戏规则。开发者kita-401用 LingBot-Depth让相机看稳球的朝向……
这些项目横跨不同领域,展现了LingBot系列模型在不同应用场景中的开发潜力。开源模型的价值,正在开发者的不同尝试中得到进一步拓展。
从具身模型的持续开发,到赛事举办和开发者生态建设,蚂蚁灵波希望让更多人参与具身智能的技术探索,并在真实应用中推动模型迭代。
“具身智能是一个技术栈高度融合、系统复杂度较高的领域,入门门槛也相对较高。作为一个仍处于发展早期的技术领域,当前尤其需要吸引更多人参与进来。通过开源模型、举办赛事、培育社区等方式,蚂蚁灵波希望为开发者进入这一领域、开展技术探索提供一些支持。”蚂蚁灵波CEO朱兴表示。
朱兴同时指出,开发者生态建设和赛事举办对公司而言也是一个双赢的过程。不同背景的开发者参与模型应用和技术探索,能够带来来自真实开发场景的反馈,为后续模型优化与迭代提供参考,也有助于推动整个行业的技术进步。
具身原生:打造机器人通用大脑
而不同团队、不同项目之所以能够基于蚂蚁灵波的模型开展多样化探索,背后离不开其“具身原生”的技术平台。
参赛者武显瑾特别提到了LingBot-VLA 2.0是一款经过跨本体预训练的模型。在他看来,这也是该模型与其他模型的最重要的区别。“其他开源模型往往针对不同的机器人本体单独训练,换到另一个本体上,模型可能就跑不起来了。灵波2.0在这方面做得比较好,解决的是模型的泛化性问题。”
蚂蚁灵波一直坚持具身原生技术路线,即把物理世界的需求作为模型架构设计和训练的起点,打造能够服务不同类型机器人的通用大脑。其核心判断是,要让机器人学会在物理世界里做事,模型就必须从真实交互中学习:机器人看到了什么、采取了什么动作、环境因此发生了怎样的变化,以及下一步应该如何调整。
这要求模型将视觉、深度、触觉等多模态物理信息纳入统一框架,使机器人不仅能够预判动作后果,还能根据实际反馈及时调整。同时,模型还需要适应不同机器人在手臂长度、手指结构和传感器配置等方面的差异。
围绕这一目标,蚂蚁灵波构建了一套覆盖机器人工作全链路的模型体系,包括LingBot-Vision、LingBot-Depth、LingBot-Touch、LingBot-World 2.0、LingBot-Video、LingBot-VLA 2.0和LingBot-VA 2.0等,分别承担感知、空间理解、触觉反馈、世界预测和动作生成等任务,共同形成从感知、预测到执行的能力闭环。
通用模型的价值,不只在于能否适应不同机器人,还在于能否真正进入业务流程。为此,蚂蚁灵波将开源从模型开放进一步延伸至真机开发支持,把模型、数据、算力、真实机器人和技术支持纳入同一开发流程,降低开发者从模型调用走向真实场景应用的门槛。
当前,蚂蚁灵波正与产业端众多生态伙伴合作,在零售分拣、物流分拣和工业场景开展商业化测试,并联合简智科技等数据伙伴共建标准化数据体系。
在零售端,蚂蚁灵波与国大药房合作开发机器人智慧药房。系统用同一套具身模型驱动不同品牌、不同构型的机器人,协同完成接单、分拣和交付,将跨本体协作嵌入真实业务流程。
在工业和物流端,蚂蚁灵波与隆盛唯睿、德马科技等达成合作。其中,与隆盛唯睿共建的具身智能机器人创新中心首期聚焦工业上下料,与德马科技的合作则聚焦异形包裹分拣。
在朱兴看来,衡量机器人能否胜任物理世界的真实作业,核心要看任务成功率、作业速度和成本控制,而数据沉淀能力则决定一条技术路线能否真正走通。从真机挑战赛,到开发者基于蚂蚁开源模型的多元探索,再到零售、工业和物流场景的真实训练部署,蚂蚁灵波正推动真实作业数据持续回流至模型训练,让“具身原生”走向可规模化落地的产业解决方案。
股票
板块
用户
资讯
评论 (0)