机器东谈主香港开启极限挑战，丢掉遥控器，硬刚全自主！
智东西
机器东谈主表情后空翻、拳击、拟东谈主化奔走、舞蹈……这些高难度炫技一经让东谈主张怪不怪，进工场干分拣、拼装、巡检也越来越多，有时候容易让公众合计，机器东谈主看上去很耀眼颖悟，距离走进日常生涯不远了。
但把视角从屏幕拉回到产业现场，画风却不太一样。行业举座处在试点多、界限化少的早期阶段，多数表情仍停留在实验室demo和展会秀场，期间旅途、买卖模式都还在探索，确切能落地的少之又少。
这种不雅感上圈套先、垄断上滞后的热烈反差感，不由得让东谈主追问，无遥操、全自主的机器东谈主距离走进东谈主类生涯到底还有多远？
ATEC2025赛事巨匠委员会主席、香港工程院院士刘云辉素质提议，机器东谈主有三大中枢才略，行走、操作、更正环境。这亦然判断机器东谈主能否得当确切环境的遑急依据。再具体一些，从机器东谈主竣工的“感知-决策-实行”的经过上来看，机器东谈主需要准确感知确切环境，进行全自主决策，并完成最终的长链条任求实行。
问题是，这些才略在今天的机器东谈主身上，究竟到了哪一步？行业需要一个尽量接近确切又能公开不雅察的窗口。
近日，第五届ATEC科技精英赛构建了一套确切天下得当力测试框架，比赛由香港汉文大学主理，ATEC前沿科技探索社区、北京大学、北京师范大学、蚂蚁合团麇集经办，巨匠评审威望包括刘云辉、谢立华、Masayoshi Tomizuka等多位国外有名机器东谈主学者。
赛事在全户外场景下查验行走、操作、更正环境等多项才略，来鼎沸众的13支顶尖赛队完成了吊桥穿越、定向越野、自主浇花与垃圾分拣等系列任务。
就像蚂蚁合团期间策略部崇拜东谈主所说，“想象的每沿途题，都不是为了让它‘完成得好意思瞻念’，而是为了让它在碰撞中显现确切的时弊。因为若是问题不是确切的，就不会牵引出确切的期间提升。独一“真问题”，才气让行业知谈下一步要阻扰什么。”
一、拆开程序化环境，机器东谈主须参加非结构化的确切场景刻下，多数机器东谈主期间考据，基本都是在灯光可控、大地平整、阻止物轨则的程序化环境中。
收尾便是，这种栽植屏蔽了确切天下的广宽不细则性，就算获取可以的阐扬，也难以拓展到其他场景的垄断中。这是在判断全自主机器东谈主能否参加东谈主类生涯场景时，起初被程序步地举高预期的第一个维度——环境感知才略。
感知到底难在哪？对机器东谈主来说，条款它能民俗各样前仰后合的光影、布景和杂物，能已毕多模态信息和会，还要在方针和环境持续变化的情况下，保持输出褂讪。
ATEC2025赛事组巨匠、香港汉文大学（深圳）理工学院助理素质钟仿洵提到，“确切环境里最大的问题是不细则性和高动态性，你看到的不一定是确实。”机器东谈主必须具备识别并处理感知信息中“不细则性”的才略，这是已毕高档自主的前提。
垃圾分拣便是一个很典型的例子，这么的任务尤其防范机器东谈主的环境识别才略：垃圾类型、材质、形状都各不交流，还可能有污渍、梗阻、松弛堆叠。统一个物体只须在堆叠纪律、污渍上变一下，在实验室里西席出来的识别才略很可能一下子就无法闲居做事了。
多支赛队在采访时提到，实验室里的精确识别，到了确切场景可能片刻失效。比如，比赛本日，香港大好天的太阳光泽独特热烈，香蕉皮在被反复持取后发生不可回弹形变；实验室网络的桌子数据皆备不适用，现场桌子反光影响了激光相机点云；透明物品比如矿泉水瓶由于反光等原因，导致多台机器东谈主识别失败；有的机器东谈主垃圾还没持取到，就急着往垃圾桶走……
这与好多机器东谈主垄断试点中，换一个工位、灯光，垄断后果就大打扣头的情况高度相似。它们指向的都是统一个行业事实：机器东谈主在确切环境的感知才略，是可大界限部署的基本前提。
在体育场景中，近似的问题相通存在。定向越野比赛，复杂逶迤的林间小径光影摇曳，树荫和坑洼不休交错，机器东谈主必须判断目下的暗块到底是可以踩上去的土路，照旧需要规避的坑洼，需要感知系统可靠揣度地形、识别可通行区域。
刘云辉素质暗意，这类任务强调是在当然场景下测试证据才略和环境识别，在一些有限指点下，望望机器东谈主能不可通过及时反应克服阻止、爬山涉水。
算作冠军选手的浙大Wongtsai团队称，面对复杂的确切环境，他们在Isaac LAB中搭建了一个尽可能规复比赛场景的环境，甚而特意对RealSense相机的噪声，比如双目视差、散斑投射、纹理缺失等问题进行模拟。这种“仿真到确切”的闭环想象，让他们的四足机器东谈主成为首个全自主跑皆备程定向越野的参赛选手。
行业正加速从程序步地可用走向确切场景可用，确切环境是机器东谈主走出Demo、能在更多场景复制落地的必修课。
若是机器东谈主能学会全自主垃圾分拣，措置了背后复杂视觉感知、多材质物体识别、褂讪持取上的经久繁重，就有望在工场、环卫、物流等“脏乱差”场景垄断；若是机器东谈主能自主完成定向越野，就能措置将来在园区巡检、户外勘测、灾害调停等复杂地形场景中遭受的确切繁重。
二、解脱东谈主类遥控，机器东谈主大界限落地需要自主决策当今，咱们看到的许多炫酷的机器东谈主才略展示，好多都是由东谈主类操作员遥控操作，机器东谈主更多饰演而已操作平台，而非具备确切决策才略的智能体。这种机制，在产业发展早期，如实能够更快速考据机器东谈主才略、收罗数据、积存教养等。
然而，机器东谈主的阐扬很猛进程上来自东谈主类的教养判断和临场操作，是东谈主脑在替机器东谈主的大脑做事，容易障翳了机器东谈主在感知、决策等的短板，难以确切响应其在无东谈骨烦躁下的阐扬。这是在判断全自主机器东谈主能否参加东谈主类生涯场景时，最容易被遥控阐扬好意思化的第二个才略——决策自主性。
一些头部公司一经作念出调度，以特斯拉Optimus为例，年中，其文告烧毁了传统遥控操作学习的形式，之后，马斯克10月发表对Optimus功夫视频的挑剔：“是AI，不是遥控”，这都诠释，无遥控一经成为具身企业将来发展的了了共鸣。
全自主、无遥操是行业发展的遑急趋势地点，赛事通过评分轨则，明确奖励无遥操的参赛选手。但这也极具挑战性，浙大Wongtsai团队的队长朱承睿描绘，从东谈主类而已遥控操作到自主限制，简略是蒸汽机时间到电气化时间的飞跃。
吊桥穿越任务中，机器东谈主需要通过三种不同间距的桥面段，自主识别桥面结构，决定是否需要借助器具通过、是否拉绳搭桥等。有的选手给机器东谈主装上宽大的“脚底板”，幸免穿越过程中被纰谬卡住；有的机器狗通过超越绕开纰谬，还不祥了拉绳搭桥的法子。
在刘云辉院士看来，这类任务的中枢是决策与贪图，因为桥板位置不一样，机器东谈主要我方作念念念考、作念决策，比如提起板来填充，从而变嫌环境，得当我方的证据。这是包含了环境评估、器具使用、任务贪图的高档智能活动。
港汉文CUMAE团队谈谈，比赛中的不同任务对机器东谈主的硬件和AI才略有不同条款，AI和机器东谈主的发展应在一个大系统里相互谄谀、阐扬上风，而不是相互单独发展，这给了团队在将来措置近似问题的一个念念路。
目前，机器东谈主在小脑的证据限制与证据性能提升马上，但在大脑部分的AI才略还很基础，不少业界东谈主士都曾暗意，AI才略不及也导致了机器东谈主没能真耿介界限落地。
跟着行业向界限化落地迈进，全自主才略势必会成为机器东谈主企业的中枢竞争壁垒，亦然机器东谈主从“器具”迈向“伙伴”的中枢标识。
三、不啻单一才略，机器东谈主需要褂讪跑完一整条长程任务链即使感知、决策才略都过关，机器东谈主能否参加东谈主类生涯场景，还取决于第三个维度：能不可褂讪实行具有一连串复杂动作的长程任务链，而不是只完成某一个精彩动作。
不少演示都是通过遥控来已毕对机器东谈主单一动作才略极限的展示，然而在仓储拣选、园区巡检、灾害调停等确切垄断场景中，机器东谈主需要完成的是具有多个法子的长程任务链。
家庭场景亦然如斯，叠穿戴、浇花、洗碗、收纳等亦然长程任务，以家庭浇花这么看似小事的讲究任务为例：机器东谈主需完成吊水壶、接水、走到花盆前、限制浇水、再归位的全经过，水壶分量和重点在过程中持续变化，这锤真金不怕火的是从感知、贪图到力控、步态协同的一整套才略。
在ATEC的自主浇花任务中，这种系统性挑战被直不雅呈现：有的机器东谈主在提起水壶后频频摇晃、对不准浇花位置等，需要屡次调试，东谈主工屡次烦躁；少数军队能完周全经过，但通常速率较慢。这些场景与实践中“机器东谈主老是要东谈主去救场”的情况独特相似。
“VLA模子有一定的泛化才略，但它只可默契图像和说话请示，无法将这些请示与确切的物理交相互对应，在物理天下的默契和交互才略方面存在不及。”浙大Wongtsai团队说。最终，团队照旧礼聘了传统的视觉识别+机械臂贪图的决议。
北理工CyberPrime团队提到，自主浇花任务难以全自主完成的原因主要有两方面：硬件上，传统高精度机械臂分量大、速率慢，搭载在四足机器东谈主平台上不稳；软件上，操作算法泛化才略有限，实验室用一丝谈具西席的策略，到了比赛现场皆备不适用。在他们看来，机器东谈主走入生涯，硬件证据才略没问题，主要瓶颈在于操作精度、安全性和自主性，这亦然实验室将来几年主要攻破的标的。
这也揭示了具身智能正濒临的处境：各样模子、算法看上去很机灵，但一落到具体机器东谈主的实行层面上就处处受限，软硬件脱节；机器东谈主下半身能够顺利移动，然而上半身操作环节却极端劳苦。 更严格地说，即便能跑起来，在永劫期、多轮次、多场景的任务链下，它们也很难保持一贯的褂讪性和可人戴性。
将来，确切落地的机器东谈主居品，必须要面对长程任务链这谈坎，怜爱系统可靠性、任务竣工性已毕移动与操作的调和。
结语：确切天下“翻车”很闲居，是具身智能落地的必经之路两天的比赛看下来，任务挑战大，全自主太难，机器东谈主翻车情况如实存在。
不外，刘云辉院士合计，翻车很闲居，亦然一个提升，至少把机器东谈主拿到场景下测试了，失败亦然一个收尾，但能够给到反馈，让路发者反念念那处作念的不够好、期间应该怎么改进。“我合计你莫得失败，其实就永远不可能有顺利的一天。”
针对户外复杂场景，各参赛军队尝试了各样化的期间旅途与改进决议：有的团队将传统模块化算法与前沿的端到端大模子决议并行测试，寻找褂讪性与智能化的最好均衡；有的为疏漏吊桥的动态激荡，想象出轻量化限制与及时环境建模相结合的私有策略。这些充满创造力的期间探索，为机器东谈主场景落地积存了可贵实践教养。
不少参赛选手在采访中都提到，ATEC的比赛栽植迫临实践场景，对期间发展来说具有更内容的意旨。他们基本都怀抱着热烈的做事感，期待着机器东谈主将来更多地去完成东谈主类无法完成的做事，让机器东谈主去承担东谈主类危急的做事，这种确切天下极限挑战便是通往那条路的起首。
具身智能要从风口上的故事造成基础要领，需要一套能经得住时期锤真金不怕火的测试场和评价体系。
几年后回头看，这场没那么多“爽感”的基于确切场景的大赛，未必恰是这套体系的早期雏形。
