“竟然沒有一支參賽隊伍能完成這個任務？”

10月24日，智元機器人與OpenDriveLab在全球學術頂尖會議IROS中主辦的“AgiBot World Challenge @ IROS 2025國際挑戰賽”剛剛落幕。在現場，第一財經記者看到了11支來自清華、香港大學、阿里云等頂尖學府、機構的參賽選手利用自己訓練的模型進行部署作業。

相比其他任務的完成率，在機器人掛零食這個任務上，所有參賽隊伍盡數失敗，這讓第一財經記者感到十分驚訝。

從疊衣服、倒水到物流分揀、打包、再到掛零食、用微波爐加熱食物，比賽現場，這六個任務分別被劃分在家居、工業、超市這三類環境中，由智元的機器人G1來完成，選手只能使用一個模型來應對所有任務。

除了已經開源的數據集之外，智元會給每支隊伍提供200條有關任務的真機數據來進行訓練。這意味著這場比賽，比拼的已不再是單一算法的優劣，而是模型在多場景下的泛化與穩定性，以及團隊的工程化能力。

在原本的設想中，機器人在掛零食這個任務中，應該利用抓夾抓起零食，掛到貨架當中。每一個動作成功后都應該獲得相應的分數。但在實際的比賽過程中，幾乎沒有一個隊伍能夠完成這套動作序列。在這項任務中完成率最高的隊伍也僅僅是拿到了“用抓夾抓起零食袋”的分數。

“這個任務現場的干擾因素太多了。”清華大學智能產業研究院（AIR）的博士生鄭金亮告訴第一財經記者，任務本身其實沒有太多復雜的動作表現，機器人只需要識別出貨架前方的掛鉤，將手中的包裝袋掛上，這項任務對機器人視覺識別和空間定位的精度要求極高。

比賽現場的情況則更為復雜。“如果堆疊在框里的零食包裝都是一種顏色的，機器人在視覺上難以分辨前后層，抓取的難度就比較大”。再加上掛鉤本身體積比較小、形狀細長，在攝像頭視野中僅占極少像素點，這讓模型很難穩定識別出目標位置。

“我們模型其實已經能識別出要掛的物體，也能執行放置動作，但因為視覺信號噪聲太多、掛鉤點太細小，最終還是沒能成功完成。”鄭金亮所在的團隊在比賽中拿到了Manipulation（操作）賽道的第一名，但在這個掛零食任務中，只拿到了抓取零食袋的分數。

值得一提的是，智元機器人的產品經理趙澄玥告訴第一財經記者，在設置比賽任務的時候，她原本以為疊衣服會是最難的任務。“因為柔性物體的可變形特性太強了，抓取點、受力方向、材質摩擦力這些細節都會影響動作的穩定性和成功率。”趙澄玥解釋道。

但從實際表現看，不少參賽隊伍卻能順利地將衣服折疊成標準的方塊狀，甚至在倒水、加熱等長程任務上也表現出更高的完成率。這在一定程度上說明，參賽團隊在模型預訓練與模仿學習方面的積累，已能支撐機器人應對中等復雜度的操作任務。

換句話說，行業在“如何讓機器人學會做動作”上，已經取得顯著進步。真正的難題，正在從動作層轉向“理解世界”的層面，比如在視覺噪聲、空間定位、物理交互等更具現實擾動的場景中，模型如何保持穩定。

在智元具身解決方案與生態總監沈詠劍看來，這場比賽的意義并不止于比拼模型性能，更在于讓不同研究路徑在同一個平臺上“跑通鏈路”。

“學術團隊做的是方向探索和天花板的探索，他們驗證的是事情能不能被模型做到。”沈詠劍告訴第一財經記者，“但真正的工業落地，從‘可行’到‘可用’，中間還有很長的一段工程化距離。”他解釋，算法和模型的進步可以解決“能不能做”的問題，但“能不能真正落地”，往往取決于硬件調試、控制優化、系統集成等工程環節。

去年12月，智元機器人于發布并開源了百萬真機數據集AgiBot World，并逐步在生態發力。“通過我們自建的數據集、開源的模型體系，以及提供給開發者的二次開發平臺和接口，我們希望把這條從數據、模型、仿真和真機部署的完整鏈路搭建好。”在他看來，這次比賽更像是一次對具身智能基礎設施的系統性驗證，讓大家在一套穩定的機器人硬件本體和開發工具鏈基礎上，跑通從算法研發到測試的完整流程，進一步降低研發門檻，也能吸引更多開發者加入。

在這場國際挑戰賽結束之后，智元也發布了新的二次開發平臺“靈創”，該平臺此前已經在8月份的智元機器人合作伙伴大會中有過預告。靈創平臺能夠通過AI視覺動作提取、智能重定向算法和云端模仿學習框架，進一步降低了二次開發的參與門檻。

從“掛零食”的失敗，到“疊衣服”的突破，再到不用編程就可二次開發的訓練平臺，IROS賽場上的一連串實驗與驗證，也是機器人發展的一個真實橫截面。當算法的邊界不斷逼近現實世界，工程化與全平臺工具的構建能力，正成為推動通用機器人落地的關鍵變量。