智东西
机器东谈主形势后空翻、拳击、拟东谈主化奔波、舞蹈……这些高难度炫技也曾让东谈主张怪不怪，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能干颖慧，距离走进日常活命不远了。
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、领域化少的早期阶段，多数名目仍停留在实验室demo和展会秀场，工夫旅途、买卖模式皆还在探索，真确能落地的少之又少。
这种不雅感上起先、欺诈上滞后的是非反差感，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活命到底还有多远？
ATEC2025赛事各人委员会主席、香港工程院院士刘云辉老师提议，机器东谈主有三大中枢身手，行走、操作、更正环境。这亦然判断机器东谈主能否符合着实环境的遑急依据。再具体一些，从机器东谈主圆善的“感知-决策-践诺”的经由上来看，机器东谈主需要准确感知着实环境，进行全自主决策，并完成最终的长链条任务践诺。
问题是，这些身手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着实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着实全国符合力测试框架，比赛由香港中语大学把持，ATEC前沿科技探索社区、北京大学、北京师范大学、蚂勾通团合股经办，各人评审声势包括刘云辉、谢立华、Masayoshi Tomizuka等多位外洋知名机器东谈主学者。
赛事在全户外场景下试验行走、操作、更正环境等多项身手，来自寰球的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。
就像蚂勾通团工夫计谋部进展东谈主所说，“设想的每一起题，皆不是为了让它‘完成得悦目’，而是为了让它在碰撞中理解真确的毛病。因为淌若问题不是着实的，就不会牵引出着实的工夫擢升。唯一“真问题”，才能让行业知谈下一步要打破什么。”
一、推辞圭臬化环境，机器东谈主须参加非结构化的着实场景现时，多数机器东谈主工夫考证，基本皆是在灯光可控、大地平整、龙套物划定的圭臬化环境中。
收尾等于，这种开导屏蔽了着实全国的大宗不细目性，就算获取可以的流露，也难以拓展到其他场景的欺诈中。这是在判断全自主机器东谈主能否参加东谈主类活命场景时，最先被圭臬时势举高预期的第一个维度——环境感知身手。
感知到底难在哪？对机器东谈主来说，条目它能习气各样凌乱无章的光影、配景和杂物，能完了多模态信息会通，还要在谋略和环境不停变化的情况下，保持输出默契。
ATEC2025赛事组各人、香港中语大学（深圳）理工学院助理老师钟仿洵提到，“着实环境里最大的问题是不细目性和高动态性，你看到的不一定是真实。”机器东谈主必须具备识别并处理感知信息中“不细目性”的身手，这是完了高等自主的前提。
垃圾分拣等于一个很典型的例子，这么的任务尤其注重机器东谈主的环境识别身手：垃圾类型、材质、体式皆各不交流，还可能有污渍、粉饰、落拓堆叠。吞并个物体只须在堆叠规矩、污渍上变一下，在实验室里教师出来的识别身手很可能一下子就无法普通服务了。
多支赛队在采访时提到，实验室里的精确识别，到了着实场景可能遽然失效。比如，比赛本日，香港大好天的太阳色泽相当是非，香蕉皮在被反复捏取后发生不可回弹形变；实验室麇集的桌子数据完竣不适用，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捏取到，就急着往垃圾桶走……
这与好多机器东谈主欺诈试点中，换一个工位、灯光，欺诈成果就大打扣头的情况高度相似。它们指向的皆是吞并个行业事实：机器东谈主在着实环境的感知身手，是可大领域部署的基本前提。
在体育场景中，雷同的问题一样存在。定向越野比赛，复杂转折的林间小径光影摇曳，树荫和坑洼不推辞错，机器东谈主必须判断目前的暗块到底是可以踩上去的土路，照旧需要躲避的坑洼，需要感知系统可靠揣摸地形、识别可通行区域。
刘云辉老师示意，这类任务强调是在当然场景下测试通顺身手和环境识别，在一些有限指点下，望望机器东谈主能不行通过及时反应克服龙套、爬山涉水。
当作冠军选手的浙大Wongtsai团队称，面对复杂的着实环境，他们在Isaac LAB中搭建了一个尽可能规复比赛场景的环境，以致挑升对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“仿真到着实”的闭环设想，让他们的四足机器东谈主成为首个全自主跑完竣程定向越野的参赛选手。
行业正加速从圭臬时势可用走向着实场景可用，着实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。
淌若机器东谈主能学会全自主垃圾分拣，处治了背后复杂视觉感知、多材质物体识别、默契捏取上的持久难题，就有望在工场、环卫、物流等“脏乱差”场景欺诈；淌若机器东谈主能自主完成定向越野，就能处治将来在园区巡检、户外勘察、灾害补助等复杂地形场景中遭遇的着实难题。
二、开脱东谈主类遥控，机器东谈主大领域落地需要自主决策目前，咱们看到的许多炫酷的机器东谈主身手展示，好多皆是由东谈主类操作员遥控操作，机器东谈主更多演出辛苦操作平台，而非具备真确决策身手的智能体。这种机制，在产业发展早期，照实能够更快速考证机器东谈主身手、收罗数据、积存劝诫等。
然则，机器东谈主的流露很猛进度上来自东谈主类的劝诫判断和临场操作，是东谈主脑在替机器东谈主的大脑服务，容易笼罩了机器东谈主在感知、决策等的短板，难以着实反应其在无东谈骨干扰下的流露。这是在判断全自主机器东谈主能否参加东谈主类活命场景时，最容易被遥控流露好意思化的第二个身手——决策自主性。
一些头部公司也曾作念出调遣，以特斯拉Optimus为例，年中，其晓谕拔除了传统遥控操作学习的方式，之后，马斯克10月发表对Optimus功夫视频的批驳：“是AI，不是遥控”，这皆评释，无遥控也曾成为具身企业将来发展的明晰共鸣。
全自主、无遥操是行业发展的遑急趋势场所，赛事通过评分划定，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，从东谈主类辛苦遥控操作到自主适度，偶然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，决定是否需要借助用具通过、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”，幸免穿高出程中被破绽卡住；有的机器狗通过擢升绕开破绽，还不祥了拉绳搭桥的方法。
在刘云辉院士看来，这类任务的中枢是决策与狡计，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，从而更正环境，符合我方的通顺。这是包含了环境评估、用具使用、任务狡计的高等智能活动。
港中语CUMAE团队谈谈，比赛中的不同任务对机器东谈主的硬件和AI身手有不同条目，AI和机器东谈主的发展应在一个大系统里相互息争、证据上风，而不是相互单独发展，这给了团队在将来处治雷同问题的一个念念路。
目前，机器东谈主在小脑的通顺适度与通顺性能擢升连忙，但在大脑部分的AI身手还很基础，不少业界东谈主士皆曾示意，AI身手不及也导致了机器东谈主没能真廉正领域落地。
跟着行业向领域化落地迈进，全自主身手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“用具”迈向“伙伴”的中枢绚烂。
三、不啻单一身手，机器东谈主需要默契跑完一整条长程任务链即使感知、决策身手皆过关，机器东谈主能否参加东谈主类活命场景，还取决于第三个维度：能不行默契践诺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。
不少演示皆是通过遥控来完了对机器东谈主单一动作身手极限的展示，然则在仓储拣选、园区巡检、灾害补助等真确欺诈场景中，机器东谈主需要完成的是具有多个方法的长程任务链。
家庭场景亦然如斯，叠一稔、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良好任务为例：机器东谈主需完成吊水壶、接水、走到花盆前、适度浇水、再归位的全经由，水壶分量和重点在过程中赓续变化，这教诲的是从感知、狡计到力控、步态协同的一整套身手。
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时时摇晃、对不准浇花位置等，需要屡次调试，东谈主工屡次干扰；少数队列能完周密经由，但时时速率较慢。这些场景与履行中“机器东谈主老是要东谈主去救场”的情况相当相似。
“VLA模子有一定的泛化身手，但它只可默契图像和话语提示，无法将这些提示与真确的物理交相互对应，在物理全国的默契和交互身手方面存在不及。”浙大Wongtsai团队说。最终，团队照旧采取了传统的视觉识别+机械臂狡计的决议。
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，操作算法泛化身手有限，实验室用极少谈具教师的策略，到了比赛现场完竣不适用。在他们看来，机器东谈主走入活命，硬件通顺身手没问题，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想法。
这也揭示了具身智能正靠近的处境：各样模子、算法看上去很聪敏，但一落到具体机器东谈主的践诺层面上就处处受限，软硬件脱节；机器东谈主下半身能够凯旋出动，然则上半身操作重要却格外繁难。 更严格地说，即便能跑起来，在万古刻、多轮次、多场景的任务链下，它们也很难保持一贯的默契性和可顾惜性。
将来，真确落地的机器东谈主产物，必须要面对长程任务链这谈坎，爱重系统可靠性、任务圆善性完了出动与操作的融合。
结语：着实全国“翻车”很普通，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照实存在。
不外，刘云辉院士合计，翻车很普通，亦然一个擢升，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、工夫应该怎样改进。“我合计你莫得失败，其实就持久不可能有告捷的一天。”
针对户外复杂场景，各参赛队列尝试了各样化的工夫旅途与翻新决议：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，寻找默契性与智能化的最好均衡；有的为布置吊桥的动态荡漾，设想出轻量化适度与及时环境建模相勾通的私有策略。这些充满创造力的工夫探索，为机器东谈主场景落地积存了珍重实践劝诫。
不少参赛选手在采访中皆提到，ATEC的比赛开导迫临履行场景，对工夫发展来说具有更内容的兴致兴致。他们基本皆怀抱着是非的服务感，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服务，让机器东谈主去承担东谈主类危境的服务，这种着实全国极限挑战等于通往那条路的最先。
具身智能要从风口上的故事形成基础范例，需要一套能经得住时刻教诲的测试场和评价体系。
几年后回头看，这场没那么多“爽感”的基于着实场景的大赛，偶然恰是这套体系的早期雏形。