ATEC2025机器人大赛：真实世界挑战，自主智能成焦点

以往提及机器人比赛，遥操总是关键词。然而这次，比赛鼓励的是“自主能力”！

上周末刚落幕的ATEC2025线下挑战赛，主办方倡导机器人自主执行任务，并首次在无遥控操作下，将机器人从实验室迁移至户外环境进行实战测试。

面对拱桥、山地、缓坡、吊桥、操场等多样地形，机器人需完全依赖AI自主决策，且仅有一次尝试机会。

对于本次挑战的难度，主办方作为“出题人”信心满满，比赛尚未开始便提前预告：

这或许将是一场意外频出的比赛！

然而，精彩的比赛从不缺少反转。

原本预测的“翻车现场”，选手们却各显神通，创意层出不穷，成功打破局面。

经过两日激烈角逐，前三名队伍诞生：浙江大学Wongtsai荣获冠军，上海交通大学IRMV和北京理工大学CyberPrime分别获得亚军和季军（均为四足机器人方案）。

△

更令人惊叹的是，浙大团队夺冠后还“低调炫耀”称，他们其实准备了难度更高的预案。

那么，这到底是怎样一场“机器人大赛”？

赛前预言翻车？选手：不存在的

本次第五届ATEC科技精英赛线下赛由香港中文大学主办，ATEC前沿科技探索社区、北京大学、北京师范大学、蚂蚁集团联合承办，于12月6日至7日周末，在香港中文大学岭南体育场及“小桥流水”生态区正式拉开帷幕。

赛事评审团由刘云辉、谢立华、Masayoshi Tomizuka等国际著名机器人专家组成。

线下赛共设四个真实世界挑战项目：垃圾分拣、自主浇花、定向越野和吊桥穿越，全面覆盖从基础操作到复杂地形移动的能力。

垃圾分拣：机器人需从起点出发，识别香蕉皮、透明塑料瓶和纸盒，完成抓取、移动，并投入对应颜色垃圾桶。该任务考验视觉感知、目标识别、移动操作及长程任务执行能力。

自主浇花：机器人需完成取水壶、接水、定位花篮、浇花并归位水壶等一系列动作，对空间定位、稳定抓取和精细操作提出高要求。

定向越野：自主穿越拱桥、山地、陡峭楼梯等复杂户外路线，重点考察全局路径规划、地形理解与长程稳定行走能力。

吊桥穿越：机器人需穿过三段间距不等的吊桥，并在第三段通过拉绳搭建桥梁使中断处可通过，旨在检验机器人在不同路面的行走鲁棒性及工具使用能力。

总体而言，比赛规则突出鼓励自主、限制干预：遥控操作越少，自主完成部分越多，得分越高。

针对此规则，选手们普遍采用先遥控保底、再自主冲刺高分的策略，在具体项目中更是临场应变，妙招频出。

例如，为顺利通过吊桥，选手们为机器人加装“大脚板”和“雪橇”，防止足部卡入缝隙。

而上交IRMV队更是跳过拉绳搭桥环节，直接让机器狗跳跃50厘米的空隙。

浇花任务同样花样百出：横握、倒抓、夹持、撑开……各种“持壶姿势”令人目不暇接。

垃圾分拣任务中，冠亚军队伍Wongtsai和IRMV展现出强大统治力，其机器狗完全依靠自主模块完成通关，稳获无遥控操作的额外加分。

户外越野方面，Wongtsai继续保持领先，成为比赛中首支全自主完成越野赛题的四足机器人队伍。

最终，Wongtsai凭借在全自主智能方面的卓越表现，赢得15万美元冠军奖金。

这不是黑历史，而是具身智能的必经之路

除了选手们的精彩表现，作为全球首个聚焦实景极端环境的AI与机器人赛事，本次比赛也暴露了许多实验室中难以发现的问题，主要体现在四个方面：

本体：人形与四足差距显著

若以本次比赛为参考：四足机器人在所有任务中的表现均明显优于双足机器人。

在人形机器人失误最多的定向越野项目中，解说员指出：人形机器人重心高、接触点少，在复杂地形中明显处于劣势，上坡、陡梯、碎石路均显得力不从心。

在浇花、垃圾分拣等需要稳定抓取和精细操作的任务中，人形机器人同样表现欠佳——

因其结构复杂、控制链路长，一旦定位偏差或手部调节稍有误差，便难以成功抓取。即便有遥控辅助，仍易失误。

相比之下，四足机器人稳定性更强，既能在浇花、分拣等任务中利用背部夹爪完成操作，又在户外越野和吊桥穿越中展现出压倒性优势。

最令人惊喜的是，Wongtsai和CyberPrime的机器狗甚至实现了完全自主的垃圾分拣。

此外，并非所有队伍的“临时改装”都取得正面效果。上述“物理外挂”也引发了软硬件协同设计问题。

例如，部分队伍为提升稳定性临时加宽脚板，反而导致感知与步态控制失衡，造成卡脚摔倒。

感知：室外环境带来非线性难度跃升

本次全户外环境对机器人感知能力构成严峻挑战：光照、风、阴影等细微环境变化的扰动会累积成误差，成为影响任务成功率的关键因素。

垃圾分拣任务中，透明塑料瓶因室外反光及背景干扰，常导致机器人识别失败。

户外越野任务中，树荫下的局部光照交替变化，进一步增加了机器人感知环境的难度。

甚至轻微的风吹草动也会改变物体位置，进而影响可抓取姿态，迫使affordance估计需实时更新。

比赛中，前一秒香蕉皮位置尚准确，当机器人准备抓取时，一阵风吹来，香蕉皮偏移，感知瞬间紊乱。

此外，相较于室内，信号较弱的野外环境中，机器人更依赖自身IMU、激光雷达与本地推理能力，难度进一步提升。

规划：能完成动作，却不知下一步如何衔接

规划层面，赛场暴露出的普遍问题是：机器人即便能完成单个动作，也常出现“拿起香蕉后不知下一步做什么”的情况。

吊桥任务中，尽管多数队伍可在遥控辅助下通过不连续木板，但几乎没有队伍能在无辅助下“拉下绳子、用木板搭桥”，这凸显了当前机器人在多步骤关联推理与环境改造能力上的明显不足。

操作：上半身与下半身解耦

本次比赛中，与长程任务同等重要的，是对loco-manipulation（移动操作）的考验。

这要求机器人在移动过程中精准完成定位与姿态调整，以实现抓取等精细操作。

比赛中常见的失败模式包括：

机器人无法精确停至抓取位，导致执行器无法接触目标。

抓取或搬运时力控/稳定性失衡（如抓取位置不当导致物体脱落），无法继续后续动作。

针对此现象，赛后采访中得知，多数队伍采用上半身操作与下半身移动解耦的架构。

换言之，机器人缺乏统一的全身运动与操作控制框架。

结果赛场上常见场景为：下半身可自主行走，但机械臂与夹爪仍需人工遥控完成关键操作。

这一现象并非偶然。

当前诸多前沿VLA模型（如RT-2、OpenVLA、RDT、Pi0.5）主要聚焦上半身操作能力，解决“手如何推理与执行”的问题，但对“移动-操作”端到端整合的支持仍有限。

由此观之，未来真正值得期待的突破，可能源于能同时统一移动与操作、实现全身自主控制的端到端机器人模型。

这或许将成为下一代具身智能的重要方向，也将决定机器人能否真正迈入复杂的真实世界。

真实世界，才是终极考场

总体而言，本次比赛不仅是检验机器人真实能力的练兵场，也为未来机器人测评体系提供了初步蓝图。

现有的具身智能基准测试，无论是偏仿真的ManiSkill，还是偏室内流程的RoboChallenge，均属切片式测评，仅能反映机器人某一方面的能力。

而ATEC这类真实世界挑战，则为行业提供了另一种可能：既更贴近机器人最终应用场景，也更有助于推动我们重新思考“能力”及“如何衡量能力”这两个根本问题。

或许多年后回望，这场比赛的意义不仅在于谁成功上坡、谁失足拱桥，更在于它让行业看清：机器人距离“走进世界”还有多远，又该向何处努力。

正如赛事专家委员会主席、香港工程院院士刘云辉教授所言：

我们期望通过极限挑战，推动机器人从演示可行迈向应用可靠。

作为赛事发起方之一，蚂蚁集团技术战略部负责人表示，蚂蚁集团长期支持ATEC赛事，源于一个信念：

AGI技术的未来在于机器智能与物理世界的深度融合，让机器人直面真实世界的扰动。因此，ATEC的每一道题目，都不是为了让机器人“表现好看”，而是让其在碰撞中暴露真实弱点。因为若非真实问题，便无法牵引出真正的技术进步。唯有“真问题”，才能指引行业明确下一步突破方向。

换言之，实验室中永远无法复现的光照、气流、遮挡，以及踩空与翻车，正是机器人迈向可用、可信的真正门槛。