机器之心原创

作家：吴昕

翻车是真实，但愿亦然真实。

香港中语大学的一处山间演义念，活水小桥，树影斑驳，青苔逢迎在陡峻连绵的石梯上。

无东说念主机视线下500 米的定向越野阶梯。

一只东说念主形机器东说念主跨过三十度的小桥，走上一段石路，迈过两段台阶。好进攻易来到一个九十度的弯，要点一歪，仰面倒下。

全程 500 米的定向越野，它只可走完开端。

到了90度分叉路口，就躺平歇工。

第二天，它又出目下大学的岭南畅通场，尝试户外分拣垃圾。

草地秃噜，每一步都像踩进东说念主生罗网，还没碰到桌上的垃圾，就扑通倒地。

在第五届 ATEC 科技精英赛——全球首个全自主、全真实户外场景的机器东说念主竞技场上，近似画面束缚演出。离开遥控器、走到户外，机器东说念主还能不可职责？

其实，舞蹈、空翻、端咖啡，这些「展台神迹」从来不是真实水平。离开温室和遥控器，一块秃草地、一只平方水壶就能已而「放倒」它们。

1X NEO，别说让它亲手洗碗了，就连把窗明几净的锅碗瓢盆放进洗碗机里，都挺用功。

畴前两三年，东说念主们浩瀚高估了东说念主形机器东说念主的通用能力。许多东说念主喊着，它们将走进家庭，承担家务，「这个事情十足是高估的。」 ATEC 2025 大家委员会主席、香港工程院院士刘云辉觉得，「五年之内竣事都特别凄惨。」

但「丢掉遥控器」并不是畴昔加分项，而是具身智能能否实在落地的必选项。

一些选腕示意，机器东说念主应该去作念「东说念主作念不了或不该作念的事」，在这些场景里，没东说念主能用遥控器替机器东说念主作念判断。

必须丢掉遥控器，也不是太难。刘云辉觉得，从期间旅途上看，感知与有打算是重要。机器东说念主能不可正确看到宇宙？能不可我方决定下一步奈何作念？

刘云辉院士（左）在不雅看自主浇花的比赛。

感知之困

为了意会并与三维宇宙相通、互动，东说念主类消耗 5.4 亿年进化出感知智能。如今，它正困扰着具身智能。在岭南畅通场，阳光成了机器东说念主接续翻车的罪魁首恶。

早上七点场面还袒护在暗影中，一小时明后照彰着增强，到了中午，阳光直射，连东说念主类选手都看不清电脑屏幕。

深度相机（如 RealSense）的主动光结构在强光下险些失效：透明的矿泉水瓶在机器东说念主眼里宛隐身，机械臂照常伸畴前，后果径直把水瓶撞掉。

终于收拢啦。

浇花任务相同凄惨重重。黄色水壶被晒得发白，白色桌面又热烈反光，导致点云严重散射，抓取动作屡屡失败。而在 3D 识别中，那 6 朵方式不法则的白色假花，本人即是高难度打算。本来诡计自主完成的军队，无奈取舍遥操。

选手遥操东说念主形机器东说念主拿水壶。

吊桥穿越也不释怀。视觉定位被阳光带偏，机器东说念主一步步勾搭吊桥边沿，踩空跌落。

机器东说念主走偏后，踩空，掉下桥。

如今，机器东说念主的移动、视觉和导航都令东说念主惊奇，但操作能力依然相对原始。英国皇家工程院院士、意大利期间询查院（IIT）首创东说念主、IEEE会士 Darwin Caldwell 说。

为什么操作如斯难？因为，移动的底层难题，推行上即是「站稳 + 迈步」 。触及的物理变量较为固定，也能在仿真中完满构建，大领域强化学习因此防守迅速，发达赶快。

操作任务触及的变量，却极其复杂——

透明与反光、材质各别、热沈变化、光照波动，哪怕仅仅抓香蕉和抓矿泉水瓶，对机器东说念主来说都是完全不同的任务。

更重要的是，机器东说念主目下穷乏真实的物理信息，触觉响应险些为零。而在东说念主类操作行径中，触觉和视觉相同迫切。

这亦然为何 ATEC 会在垃圾分拣任务中取舍玩物香蕉：软、可变形，但不会被机器东说念主抓烂。

尽管如斯，仍有两支四足机器东说念主军队像是开了挂，全自主「通关」垃圾分拣与吊桥穿越。

分拣任务中，浙江大学 wongtsai 赛队莫得依赖大模子，而是回到 「传统视觉 + 几何」的老牌阶梯，并打磨到极致。

吊桥穿越之前，他们就在模拟器里高度收复真实场景：不仅复刻吊桥结构，还模拟了 RealSense 在户外可能遭遇的万般噪声（视差特别、散雀斑云、纹理缺失等），sim2real 部署很班师。

智能有打算之难：20 岁体格，3 岁才调

不少机器东说念主从业者都说过近似扎心的实话。

在盛开环境下，让机器东说念主自主从桌上拿瓶水都很难。稍稍复杂极少的操作，全靠遥操或同构臂。

但咱们想外包出去的家务，哪一件不是长链任务 + 器用使用的组合？作念早餐不是煎个鸡蛋，而是一套历程：找锅 → 开火 → 备料 → 下锅 → 装盘 → 洗碗……

要让机器东说念主作念这件事，它必须要有一个能诡计、会有打算、有回顾的大脑。但多量机器东说念主目下唯有「20 岁体格，3 岁才调」。

ATEC2025 赛事组大家、松灵机器东说念主具身智能部门精采东说念主谢志强在直播里举了个例子：扫地机。它能自主移动，但一朝被卡住，只会恭候东说念主类挽救。

这亦然为什么自主浇花会难倒一转儿机器东说念主，因为任务链实在太长了——

找到水壶 → 提起 → 滚水龙头 → 接水 → 关龙头 → 找花盆 → 浇花 → 放回原处

比拟单步抓取、视觉分类，它检会的是机器东说念主是否实在具备长程任务的能力。后果，莫得机器东说念主不错作念到全自主。

浙江大学 wongtsai 赛队告诉咱们，实验室里还能泛化的 VLA（视觉-言语-动作）模子，一朝到真实场景就不行了。

大模子能听懂图像和辅导，但无法实在意会物理宇宙的细节，抓水壶、浇花，精度完全不够。他们取舍了遥操。

浙江大学wongtsai赛队通过遥操的花样完成了自主浇花的大部分子任务。

有的军队尝试羼杂模式。先用遥控器把机器东说念主挪到最好位置，再让机械臂自主完成抓壶、接水、浇花。

即便如斯，一朝历程中某个递次出现异常，机器东说念主的脑子就转不外来了。

举例，手拿水壶打滚水龙头，万一卡住，就会一直停在那处。

垃圾分拣里的说念具香蕉，暴晒后会发生不可逆的形变，有的机器东说念主明明一经夹住，却仍对持判定为失败。

各非凡招，用水壶撞滚水龙头。

收成一度最初的机器东说念主，也在定向越野终末一段失控：反复掉入归拢处排水沟，无法自主诊治，最终只可切回遥操。

最专诚想的是，吊桥穿越。

机器东说念主先跨过 5cm、10cm 的误差，终末当面撞上一皆 50cm 的间隙。

「机器东说念主要我方作念想考、作念有打算，比如提起板来填充，从而蜕变环境，合乎我方的畅通。」 刘云辉讲明说，这不再是简便的行走，而是包含了环境评估、器用使用、任务诡计的高等智能行径。

后果，四足机器东说念主压根不讨论这些复杂操作，径直跳畴前。

双足机器东说念主先靠物理外挂撑过前两个小缝。到了 50cm 大间隙，多半会把拉绳碰掉，原地等挽救。

各式物理外挂登场

这台双足机器东说念主成效拿住了绳索，移动木板，迈畴前了。

豪华的大模子，毛坯的硬件

和如今的主流阶梯一样，本年参赛军队的系统架构大多遴荐 「大模子 + 小模子」协同范式：

大模子精采高层语义意会、任务拆解与策略诡计；小模子面上前端感知、畅通限定等即时扩充；两者再通过管线化与响应回路完成闭环。

但随之而来的现实问题是——

一台机器东说念主身上同期挂着 CPU、GPU、NPU 等一堆异构算力，奈何把它们挤进一块体积裕如小、功耗裕如低的板子里，还能高效协同？

浙江大学 wongtsai 赛队以全自主花样，出色完成了三项任务（包括定向越野）。其端侧成立号称豪华。

他们给机器东说念主挂了三台小电脑，一台 Intel NUC 当主控，两块英伟达算力板（一大一小）跑不同领域的神经汇注，比如用 Segment Anything 作念图像分割。

但要搭救更大领域模子推理，算力照旧彰着不够，蔓延高、耗电大。

浙江大学wongtsai赛队继承采访，谈到 15 万好意思金奖金，队长一句话转头：先还债，补贴崇高竖立资本。

军队成员也提到，要实在走向现实宇宙，机器东说念主必须领有趁势而为的自合乎能力。定向越野时，脚和石头不会硬碰硬；浇花时，体格会跟着水壶分量变化，及时诊治要点。

这些都检会着整机的力控能力与自合乎限定。而想在复杂场景中作念这种高质地感知和限定，目下的算力和骨子都还差了一截。

「咱们目下有一个强大的问题，漂亮的算法无法在机器东说念主里面驱动。」ATEC2025 赛事组大家、卡里法大学（Khalifa University）自主机器东说念主系统教师、机器东说念主感知询查精采东说念主 Jorge Manuel Miranda Dias 指出。要让机器东说念主的体格能承载其大脑的智能，低功耗、高性能的专用芯片和轻量化模子是重要。

翻车是真实，但愿亦然真实

有一件趣事。在比赛前，不少东说念主觉得机器东说念主要全自主跑完定向越野，险些不可能。ATEC2025 赛事组大家、香港中语大学机械与自动化工程学系教师兼系主任、新加坡工程院院士陈本好意思以致放下「豪言」，要是真有东说念主作念到，香港的餐厅任对方挑，他宴客。

后果比赛第一天，就有两台四足机器东说念主完成了全自主定向越野。

500 米级当然地形导航，信号差、多窄梯、多弯说念、强光扰动……在熟习RL限定器搭救下，只依靠自身传感器去构建舆图、完成定位、褂讪前行。

刘云辉觉得，机器东说念主要实在干与东说念主类宇宙，必须同期具备三大能力：能走、能操作、能纠正环境。畴前十年，四足机器东说念主在「能走」这一维度一经有了质变。但「能操作、能纠正环境」仍有强大的询查空间。

比拟四足机器东说念主，双足机器东说念主和东说念主形机器东说念主还有更长的路要走。双足形态要点高、搭救面小，均衡、力控、地形合乎都远比四足凄惨，更毋庸说在行走中完成操作。

它们面对的，是一个更陡峻、但也更靠近畴昔生存场景的期间坡度。

双足、东说念主形机器东说念主面对的挑战，比四足机器东说念主多得多。

翻车很正常，翻车亦然一种跨越。刘云辉说。莫得失败，也就永久莫得成效的可能。

也正因如斯，ATEC 组委才会让机器东说念主面对真实宇宙的扰动。设想的每一皆题，都不是为了让它完成得好意思瞻念，而是对这三大能力的系统级验收，让它在碰撞中傲气实在的缺欠。

毕竟，唯有真问题，才能让行业知说念下一步要抑遏什么。

AGI 的畴昔，注定是机器智能与物理宇宙的深度交融。手脚赛事发起单元之一，蚂荟萃团期间策略部精采东说念主示意，AI 必须从数据领略走向环境交互和行动扩充，寰球正期待下一次实在兴味兴味上的期间抑遏。