首届蚂蚁灵波具身大模型挑战赛落幕,15支队伍48小时真机对决揭示数据工程新范式

首届蚂蚁灵波具身大模型挑战赛于11月16日在上海张江收官,15支队伍基于统一开源模型LingBot-VLA 2.0与松灵COBOT MAGIC机器人,在蔬果摆放、化妆品收纳和双臂清扫三项真实任务中展开...

人工智能 阅读量: 1552

11月16日,首届蚂蚁灵波具身大模型挑战赛在上海张江落下帷幕。这场被称作“最大规模具身大模型挑战赛”的赛事,历经线上初赛筛选后,15支队伍进入为期48小时的线下真机总决赛。所有参赛队伍使用完全相同的软硬件基础:开源具身视觉-语言-动作模型 LingBot-VLA 2.0、松灵 COBOT MAGIC 双臂机器人,以及统一现场算力资源,共同完成三项贴近生活的真实任务——蔬果摆放、化妆品收纳与双臂清扫。

起点一致,解法各异。这场竞赛的核心命题并非“谁造出了更强的模型”,而是“如何在有限时间内,让已有的基础模型可靠地完成真实世界操作”。这标志着具身智能开发正从“从零构建”转向“能力调优”阶段。

冠军团队 TARS 以 82 分位居榜首。他们的策略体现了一种精细化的问题拆解能力:首先对三项任务进行难度分级,发现蔬果摆放与化妆品收纳的主要干扰源是桌面无关物体。为此,团队引入通用大模型(未指明具体型号)识别目标与干扰物,并通过遮蔽非关键区域,使机器人注意力聚焦于任务本身。该方法使第一项任务实现10次全成功。对于最难的双臂清扫任务,他们针对簸箕抓持不稳、机械臂负重下坠等具体失效点,重新设计抓持位姿、补采针对性数据,并建立负重-偏差映射关系以补偿动作误差。此外,团队将单步训练时间从约15秒压缩至3.4秒,极大提升了现场迭代效率。

排名第三的 SST 团队则走“轻量高效”路线:仅额外采集13条数据,却在真机评测中取得65.87分。其技术路径清晰分层:DeepSeek 负责任务理解与指令解析,视觉分割模型精确定位目标物体,最终由 LingBot-VLA 2.0 执行动作。尤为关键的是,团队冻结了部分预训练参数,避免少量新数据破坏模型原有的通用能力——这一做法直指当前具身模型微调中的核心矛盾:如何在适配新场景的同时保留基础泛化性。

获得第二名的 EVA 团队采取了典型的“失败驱动迭代”策略。初始使用官方数据时,真机成功率仅约10%;他们将每次失败案例转化为新训练样本,围绕抓偏位置、易错角度持续补采与再训练。经过7轮迭代,数据量增至约1200条,自测成功率提升至73.83%。这种“边试边学”的方式虽耗时较长,但在算力允许条件下展现了强鲁棒性。

值得注意的是,第五名 FDU_SONIC 由四名复旦学生组成,日常仅使用约两千元成本的机械臂与有限算力。他们并未追求模型结构创新,而是深度挖掘官方提供的647条轨迹数据,结合真机测试反复归因失败原因,最终以扎实的数据分析能力斩获三等奖。这说明,在基础模型日益强大的背景下,中小团队也能凭借对任务本质的理解参与高水平具身智能竞争。

参赛队伍背景多元,进一步印证了具身智能正从专业机器人领域向更广泛AI从业者扩散。进入决赛的15支队伍中,既有长期从事机器人研发的工程师与研究生,也有来自自动驾驶、搜索推荐、大模型评测及AI基础设施等领域的开发者。例如,“416 一定行”两名成员此前专注搜索推荐与多模态算法,首次接触机械臂仿真与真机调试。他们初期沿用互联网算法惯用的“全量微调+数据扩充”思路,却发现模型在标准场景表现提升后,面对随机摆放物体时成功率反而下降。经分析,问题出在视觉模块过度拟合比赛数据,削弱了 LingBot-VLA 2.0 原有的通用视觉理解能力。团队随即调整策略:限制视觉部分学习幅度,将优化重心转向动作生成模块——这一教训揭示了具身模型微调中的关键权衡:新任务适应性与基础能力保留之间的平衡。

另一支来自大模型评测领域的队伍“今天也要好好检东西”,则展现出系统性问题拆解能力。他们习惯先定义任务子步骤与评价指标,再定位失败环节。比赛中,他们让视觉语言模型负责环境感知与步骤规划,LingBot-VLA 2.0 专注执行,形成“认知-行动”分工链路。这种模块化协同思路,与 SST 团队的 DeepSeek + 视觉分割 + LingBot 架构异曲同工,共同指向一个趋势:通用大模型与具身专用模型的协同,正从概念走向可落地的技术组合。

显示器展示仿真环境与真机画面同步对比,左侧为机械臂3D模型,右侧为实际桌面上的蔬果与容器

本次比赛的深层意义在于,它验证了一个正在成型的新开发范式:当基础具身模型(如 LingBot-VLA 2.0)已具备基本的视觉理解、指令遵循与动作生成能力后,开发者的工作重心正从“重建底层能力”转向“精准诊断失效模式”与“高效注入修正信号”。数据不再以数量论英雄,而以“是否击中模型能力盲区”为评判标准。冠军TARS团队所言“真正拉开差距的,是誰更理解模型已具备的能力,并用最合适的数据和工具把它释放出来”,已成为行业共识。

文章配图

这一转变对产业影响深远。过去,部署具身机器人需完整团队覆盖感知、决策、控制全栈;如今,单一开发者或小团队借助强大基础模型,可快速切入真实场景验证。蚂蚁集团推出此类挑战赛,亦意在推动具身智能从实验室原型走向可复现、可评估、可协作的工程化路径。随着更多开源具身模型与标准化硬件平台涌现,类似“同一模型、不同解法”的竞技模式有望成为行业能力演进的重要推力。

具身智能的下一阶段竞争,或将不再是“谁的模型更大”,而是“谁更懂如何让模型在真实世界里不出错”。