Ant Lingbo's First Embodied Large Model Challenge Held in Shanghai: 15 Teams Compete in 48-Hour Real-Robot Grasping Contest
English text is being prepared.
The finals of Ant Lingbo's First Embodied Large Model Challenge were held at the Shanghai Zhangjiang Science Hall. The 15 finalist teams, using the open-source pre-trained model LingBot-VLA 2.0 as their base, competed in a 48-hour real-robot challenge featuring three tasks: single-arm grasping of fruits and vegetables, single-arm grasping of cosmetics into boxes, and dual-arm sweeping of desktop trash. Ultimately, team "TARS" won the championship with 82.5 points. The competition attracted a total of 1,855 teams and 3,252 contestants from 13 countries. Ant Lingbo CEO Zhu Xing stated that embodied intelligence has not yet reached its Scaling Law moment, while Chief Scientist Shen Yujun predicted that the industry may see its first wave of convergence.
Body
48小时,具身大模型能做些什么?蚂蚁灵波首届具身大模型挑战赛总决赛在上海做了一次极限挑战。 张江科学会堂,简易绿幕小隔间依次排开,年轻开发者们神情专注,或紧盯屏幕敲击代码,或围着机器人进行调试。15组进入决赛的战队在这里搭起帐篷,用48小时的极限时间,挑战人形机器人的抓取能力。专家普遍认为,具身智能尚未迎来Scaling Law(规模定律)时刻,但很快或将迎来第一波收敛。 48小时真机比拼,机器人要过三道关 11月14日,15支决赛队伍在上海张江科学会堂集结,选手们从北京、上海、杭州、深圳、成都、武汉等地赶来,最远的选手专程从温哥华回来参赛。上午9点,赛题一公布,各队便扎进工作间,开始了为期48小时的真机黑客松。 比赛是“命题作文”:以开源预训练模型 LingBot-VLA 2.0为技术底座,使用统一的机器人硬件、推理算力和任务环境开展真机挑战。赛题有三项,用单臂抓取水果和蔬菜;用单臂抓取化妆品并放入透明盒;用双臂配合清扫桌面垃圾,再倒入收纳筐。 蚂蚁灵波科技市场运营及技术生态负责人江波介绍,别看这些日常生活中很常见的动作,到了机器人手里却不容易,从识别物体、抓稳、放准,到两只机械臂相互配合,考官将综合考察动作完成质量和任务成功率。 最终“TARS”战队以82.5分获得第一。这是一支平均年龄仅25岁的年轻队伍,队名取自电影《星际穿越》中那个忠诚幽默的机器人。“00后”队长吴昊楠即将从天津大学硕士毕业,他在路演环节展示了团队的技术思考和策略,通过将复杂的多物体场景简化为单物体抓取,有效规避了VLA模型在杂乱环境下的感知瓶颈,选择小规模高精度数据重采和双人协作采集模式,规避物理世界机械臂的系统性误差,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。 记者注意到,不少决赛团队采用了最前沿的技术路径。此次获得亚军的战队EVA由华中科技大学、清华大学、北京大学等学生“混搭”而成,队长武显瑾介绍,团队在拿到赛题时,想到了通过当下最火的RSI(递归式自我改进)路线来让机器人快速“干活”,经过100多次的自主测试,让RSI飞轮转了起来。 具身智能仍在迭代,或将迎来第一波收敛 数据显示,首届“蚂蚁灵波具身大模型挑战赛”创下了行业最大规模,共吸引了海内外1855支队伍、3252位选手报名。参赛者来自13个国家,覆盖648个知名高校、科研院所以及头部科技企业及具身智能公司。 48小时真机比拼,表面看是15支战队在抓果蔬、收化妆品、清桌面,背后则是具身大模型从屏幕走向物理现场的“压力测试”。在江波看来,要在短时间内把基础模型、硬件载体、推理算力和任务环境统一起来,是件很难的事,需要参赛团队快速定位问题、找到问题根结然后解决问题,从决赛现场来看,部分团队选择了重新采集数据,也有团队选择和DeepSeek等大模型一起“干活”。 上海交通大学副教授李永露认为,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:“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,都在为后来者降低试错成本,推动机器人‘通用大脑’走进下一个真实的物理现场。” “具身智能仍在快速迭代,尚未迎来Scaling Law(规模定律)时刻。”在蚂蚁灵波CEO朱兴直言,在Scaling Law到来之前,先要锁定哪种数据的规模化能促成智能涌现,但行业还没有共识和答案。 蚂蚁灵波首席科学家沈宇军则指出,具身智能目前各关键环节都尚未收敛,评测基准不收敛与模型难收敛互为因果,数据采集形式也不统一。但他表示,随着行业长期摸索,共识正在形成:“在不久的将来,行业可能会迎来第一波收敛,涉及评测机制、模型方式和数据采集标准等,届时行业发展会明显加速,角色分工和发展方向也会更清晰。”
AI Trends