henry 发自 凹非寺
量子位 | 公众号 QbitAI
机器人比赛不再依赖远程操控！在刚刚落幕的ATEC2025线下挑战赛中，主办方首次将机器人从实验室带入真实户外环境，全面考验其自主能力。拱桥、山地、缓坡、吊桥、操场等复杂地形，均需AI自主完成任务，且采用one-shot模式，全程鼓励“自力更生”。
赛前主办方直言：“这可能会是一场翻车无数的比赛！”然而，选手们以极具创意的应对方式打破预期，奇招频出，精彩纷呈。
经过两天激烈角逐，浙江大学Wongtsai团队摘得冠军，上海交通大学IRMV与北京理工大学CyberPrime分获亚军和季军，三支队伍均采用机器狗方案。
△浙江大学Wongtsai赛队
值得一提的是，浙大团队赛后透露，他们甚至准备了更难的应急预案，展现出强大的技术储备。
赛前预警翻车？选手：不存在的
第五届ATEC科技精英赛线下赛由香港中文大学主办，ATEC前沿科技探索社区、北京大学、北京师范大学、蚂蚁集团联合承办，于12月6日至7日在港中文岭南体育场及“小桥流水”生态区举行。
赛事评审团由刘云辉、谢立华、Masayoshi Tomizuka等国际知名机器人学者组成，专业性与权威性兼具。
比赛设置四大真实场景挑战，涵盖基础操作到跨地形移动：
垃圾分拣：机器人需自主识别香蕉皮、透明塑料瓶、纸盒，完成抓取并投入对应颜色垃圾桶，考察视觉感知、目标识别与长程任务执行能力。
自主浇花：完成取水壶、接水、定位花篮、浇水、归还水壶全过程，考验空间定位、稳定抓取与精细操作。
定向越野：穿越拱桥、山地、陡峭楼梯等复杂户外路线，重点检验全局路径规划、地形理解与稳定行走能力。
吊桥穿越：通过三段间距不等的吊桥，并在第三段拉绳搭桥实现通行，考察机器人在非结构化路面的鲁棒性及工具使用能力。
比赛规则强调“鼓励自主、限制干预”：遥操作越少，自主完成度越高，得分越高。多数队伍采取“先遥操保底、再自主冲高”的策略，临场发挥极具创造性。
为应对吊桥缝隙，多支队伍为机器人加装“大脚板”或“雪橇”；上交IRMV团队甚至让机器狗直接跳跃50cm空隙，跳过拉绳环节。
浇花任务中，“拿壶姿势”五花八门：横握、倒抓、夹持、撑开，各显神通。
在垃圾分拣任务中，冠亚军队伍Wongtsai与IRMV完全依靠自主模块通关，稳获无遥操加分。Wongtsai更是首个全自主完成越野赛题的四足机器人队伍。
最终，Wongtsai凭借全自主智能的卓越表现，赢得15万美元冠军奖金。
不是黑历史，而是具身智能的来时路
作为全球首个聚焦实景极端环境的人工智能与机器人赛事，ATEC2025不仅展现了顶尖技术水平，也暴露出实验室难以复现的真实问题，主要集中在以下四个方面：
本体——四足机器人显著领先人形机器人
在所有任务中，四足机器人（机器狗）表现全面优于双足（人形）机器人。
人形机器人在定向越野中表现吃力，重心高、触点少，面对上坡、碎石路、陡梯等复杂地形稳定性差。
在浇花、分拣等精细操作任务中，因结构复杂、控制链长，稍有偏差即导致抓取失败，即便有遥控辅助仍易失手。
相比之下，四足机器人稳定性强，在各类任务中均表现出色，Wongtsai与CyberPrime甚至实现了全自主垃圾分拣。
部分队伍临时加装“物理外挂”如宽脚板，反而引发感知与步态控制失衡，导致卡脚摔倒，凸显软硬件协同设计的重要性。
感知——室外环境带来非线性难度跃升
光照、风力、阴影等动态因素显著影响机器人感知精度。
透明塑料瓶因反光和背景干扰，在垃圾分拣中频繁识别失败。
树荫下明暗交替增加环境建模难度，微风吹动物体改变可抓取姿态，迫使affordance估计必须实时更新。
比赛中曾出现机器人准备抓取时，香蕉皮被风吹偏，导致感知系统瞬间失效的情况。
此外，野外信号弱，机器人更依赖IMU、激光雷达与本地推理能力，进一步提升挑战难度。
规划——缺乏多步骤关联推理能力
机器人常出现“能做动作，却不知下一步”的问题。
在吊桥任务中，多数队伍可在遥控下通过断桥，但几乎无人能在无辅助下完成“拉绳搭桥”这一环境改造动作，暴露当前系统在多步骤推理与主动改造环境方面的短板。
操作——上下半身控制解耦严重
比赛重点考验loco-manipulation（移动操作）能力，即移动中精准完成抓取与姿态调整。
常见失败包括：
无法精确停靠至抓取位，执行器无法接触目标。 抓取或搬运过程中力控失衡，导致物体脱落。
赛后调研显示，多数队伍采用“上半身操作与下半身移动解耦”架构，缺乏统一的全身运动控制框架。
典型表现为：下半身可自主行走，但机械臂与夹爪仍需人工遥控完成关键操作。
当前主流VLA模型（如RT-2、OpenVLA、RDT、Pi0.5）多聚焦上半身操作，对“移动-操作”端到端整合支持有限。
未来突破方向或将集中于能统一移动与操作、实现全身自主控制的端到端模型，推动具身智能真正走向复杂现实世界。
真实世界，才是最终考场
ATEC2025不仅是机器人能力的实战检验场，也为未来测评体系提供了新范式。
现有benchmark如ManiSkill（仿真）、RoboChallenge（室内流程）多为切片式评估，难以反映综合能力。而ATEC通过真实环境挑战，更贴近机器人最终应用场景，促使行业重新思考“能力定义”与“衡量标准”。
正如赛事专家委员会主席、香港工程院院士刘云辉所言：
我们希望通过极限挑战，推动机器人从演示可行，走向应用可靠。
蚂蚁集团技术战略负责人表示，ATEC每一道题的设计初衷并非“完成得好看”，而是通过真实扰动暴露技术弱点。“只有真问题，才能牵引真实的技术进步。”
实验室中不会出现的光照变化、气流扰动、遮挡与踩空，恰恰是机器人迈向可用、可信的关键门槛。这场比赛的意义，不仅在于谁完成了任务，更在于它清晰揭示了机器人距离真正走进世界还有多远，以及下一步应补足的方向。