具身智能驗(yàn)證期：馬拉松探小腦能力，機(jī)器人奧林匹克驗(yàn)證大腦能力

作者：呂鑫燚 出品：具身研習(xí)社

近半個(gè)月，堪稱具身智能“高考季”

一件是模型能力的“高考”，即星動(dòng)紀(jì)元在全球頂級(jí)具身靈巧操作智能真機(jī)賽事 Benjie’s Olympics（全稱:Benjie’s Humanoid Olympics)，一舉拿下三項(xiàng)賽道第一；另一件是小腦能力的“高考”，第二屆中國(guó)人形機(jī)器人馬拉松即將鳴槍開(kāi)跑。賽事設(shè)置自主、遙控雙組別，為行業(yè)提供了又一次集中的小腦技術(shù)驗(yàn)證場(chǎng)景。

這兩件事，看似毫無(wú)關(guān)系，實(shí)則指向同一個(gè)行業(yè)核心趨勢(shì)：具身智能產(chǎn)業(yè)正通過(guò)公開(kāi)技術(shù)驗(yàn)證加速兌現(xiàn)產(chǎn)業(yè)價(jià)值。

先從這場(chǎng)行業(yè)關(guān)注度拉滿的人形機(jī)器人馬拉松說(shuō)起。和去年的首屆賽事相比，今年有兩個(gè)非常核心的變化。首先是參賽主體的大幅擴(kuò)容，從去年十余家廠商的試水探索，到今年數(shù)十家企業(yè)同臺(tái)競(jìng)技，這背后，是國(guó)內(nèi)具身智能產(chǎn)業(yè)生態(tài)的快速完善，從少數(shù)企業(yè)的單點(diǎn)探索，進(jìn)入到更多玩家規(guī)?；刖值男码A段。其次，是自主模式正式成為核心競(jìng)賽組別，機(jī)器人不再依賴人工遙控的輔助，全程依靠自身的環(huán)境感知、自主導(dǎo)航、實(shí)時(shí)運(yùn)動(dòng)規(guī)劃能力完成賽程。

這也意味著，行業(yè)的競(jìng)爭(zhēng)焦點(diǎn)，已經(jīng)從 “實(shí)現(xiàn)雙足穩(wěn)定行走” 的基礎(chǔ)能力，轉(zhuǎn)向 “脫離人工干預(yù)” 的進(jìn)階能力，而這正是人形機(jī)器人走向商業(yè)化落地的核心前提。

如果說(shuō)人形機(jī)器人馬拉松，是國(guó)內(nèi)具身智能行業(yè)集中展示生態(tài)活力、完成集體技術(shù)校驗(yàn)的平臺(tái)，那么星動(dòng)紀(jì)元在全球最難具身靈巧操作頂尖真機(jī)賽事 Benjie’s Olympics 上的成績(jī)，則是在國(guó)際賽事上，展現(xiàn)中國(guó)具身模型能力。

這里值得一提的是，Benjie’s Olympics 是全球具身智能領(lǐng)域公認(rèn)的高含金量競(jìng)技平臺(tái)，常被評(píng)價(jià)為是全球具身靈巧操作最難頂尖真機(jī)賽事，也是 Physical Intelligence（簡(jiǎn)稱PI）PI 迄今為止唯一主動(dòng)報(bào)名參賽的國(guó)際頂級(jí)賽事，其派出的閉源模型PI*0.6，代表了 PI 當(dāng)前的最高技術(shù)水準(zhǔn)。即便在這樣的前提下，面對(duì)全球最強(qiáng)具身大腦公司的最高技術(shù)壓力，星動(dòng)紀(jì)元依然拿下三項(xiàng)第一。

此時(shí)，掌聲不知道是該給星動(dòng)紀(jì)元還是該給中國(guó)具身智能，畢竟不聲不響挑戰(zhàn)最難的，很符合星動(dòng)紀(jì)元的風(fēng)格，但是從產(chǎn)業(yè)維度看，這絕非單家企業(yè)的單次賽事突圍，更印證了國(guó)內(nèi)廠商在具身智能大模型的核心能力上，已經(jīng)穩(wěn)穩(wěn)躋身全球第一梯隊(duì)。

此前海外常提及的國(guó)內(nèi)具身智能 “大腦能力缺位” 的論調(diào)，也隨著星動(dòng)紀(jì)元這三塊金牌的落地，徹底成為了歷史。

“It’s theonly contest that forces generalizationnot just replication. Most teams can’t pass Bronze; Gold is near-miraculous.”

（這是唯一強(qiáng)制泛化而非復(fù)現(xiàn)的比賽。多數(shù)隊(duì)伍連銅牌都過(guò)不了；金牌近乎奇跡。）

這是海外業(yè)內(nèi)專家對(duì)Benjie’s Olympics賽事的評(píng)價(jià)，也是對(duì)該賽事難度的精準(zhǔn)提煉。畢竟Benjie’s Olympics不受客觀因素制約，也沒(méi)有太花哨的初心，單純是前Google資深機(jī)器人專家Benjie Holson，“看不上”市面上簡(jiǎn)單的人形機(jī)器人賽事挑戰(zhàn)，因此用自己名字命名，并通過(guò)一系列嚴(yán)格的要求給全行業(yè)下戰(zhàn)書。

賽事創(chuàng)始人曾預(yù)測(cè)，完成全部挑戰(zhàn)至少需要1年。從某種角度來(lái)看，與其說(shuō)Benjie’s Olympics是一場(chǎng)比賽，不如說(shuō)其是一場(chǎng)具身模型的“挑刺”大賞。

Benjie’s Olympics有15個(gè)比賽項(xiàng)目，參賽規(guī)則嚴(yán)苛到寫下來(lái)比賽事項(xiàng)目都長(zhǎng)（略夸張版），且主打一個(gè)“真”！

首先，必須是全自主、無(wú)遙控、無(wú)人工介入、無(wú)遠(yuǎn)程修正，是機(jī)器人真自己在干活；

其次是，必須在真實(shí)家庭場(chǎng)景下操作，要完全還原光照、紋理、摩擦和噪音等環(huán)境因素；

最后是真考試，沒(méi)有預(yù)設(shè)考題杜絕了提前偷偷練習(xí)的可能性，更不能預(yù)掃描地圖，環(huán)境和物體完全隨機(jī)。

一套規(guī)則組合拳，打斷了所有投機(jī)取巧的模型，留下的是真正考驗(yàn)機(jī)器人在真實(shí)復(fù)雜環(huán)境中的自適應(yīng)、自決策能力。

從具體賽事來(lái)看，Benjie’s Olympics 的核心設(shè)計(jì)，完全錨定了橫亙?cè)诰呱碇悄茴I(lǐng)域最核心的 “莫拉維克悖論”。即人類憑借本能就能輕松完成的日常感知與動(dòng)作，對(duì)機(jī)器人而言卻是極高難度的技術(shù)壁壘，而人類覺(jué)得復(fù)雜的高階推理，機(jī)器反而更容易實(shí)現(xiàn)。

基于這個(gè)核心，賽事沒(méi)有設(shè)置任何脫離落地場(chǎng)景的極限炫技項(xiàng)目， 15 項(xiàng)賽事均是貼近家庭、工業(yè)真實(shí)場(chǎng)景的日常實(shí)戰(zhàn)任務(wù)，分屬開(kāi)門、洗衣、基礎(chǔ)工具使用、指尖操作、濕滑路面 5 大場(chǎng)景模塊，并按難度梯度劃分為金牌、銀牌、銅牌三個(gè)等級(jí)，且要求多次重復(fù)穩(wěn)定完成，而非“賭運(yùn)氣成功”。

其中剝橘子、插鑰匙開(kāi)鎖屬于最高難度的金牌任務(wù)，翻襪子、清洗油膩平底鍋屬于銀牌任務(wù)，T 恤翻轉(zhuǎn)折疊則屬于銅牌任務(wù)。這些看似簡(jiǎn)單的日常動(dòng)作，每一項(xiàng)都在考驗(yàn)機(jī)器人感知、決策、控制的全鏈路通用能力，清洗出單一能力強(qiáng)，全棧能力弱的團(tuán)隊(duì)；且只要有一環(huán)出現(xiàn)失誤，則全鏈條崩塌，僅1-3mm 的誤差就可能導(dǎo)致任務(wù)失敗。為了能讓選手更好理解任務(wù)流，本杰還親自示范任務(wù)。

這里插播一句，T 恤翻轉(zhuǎn)折疊任務(wù)被大部分企業(yè)描述為難度極高的任務(wù)，常出現(xiàn)在證明模型能力的DEMO中。而在Benjie’s Olympics這只能算是個(gè)簡(jiǎn)單任務(wù)。這也是很多專家說(shuō)多數(shù)隊(duì)伍連銅牌都過(guò)不了的原因，有參賽團(tuán)隊(duì)耗費(fèi)6個(gè)月打磨Demo，在任務(wù)挑戰(zhàn)中遭遇“滑鐵盧”，3天內(nèi)失敗率高達(dá)90%。

更有趣的是，Benjie’s Olympics并不存在“險(xiǎn)勝”而是參賽選手的成績(jī)比上一個(gè)冠軍的成績(jī)至少提高25%，才能獲得獎(jiǎng)牌，這不是在簡(jiǎn)單地找冠軍，而是找一個(gè)碾壓式的領(lǐng)先。

通過(guò)比賽所有安排來(lái)看，更能理解為什么Benjie’s Olympics被視為具身智能模型靈巧操作賽事的“奧林匹克”，原因很簡(jiǎn)單，二者都是在檢驗(yàn)?zāi)Ｐ挽`巧操作能力的邊界。

但若深層探內(nèi)核，Benjie’s Olympics的含金量遠(yuǎn)不止于奧林匹克級(jí)別，畢竟奧林匹克是在人類與生俱來(lái)的運(yùn)動(dòng)、感知、身體協(xié)調(diào)能力基底上，沖擊生理機(jī)能的上限；而 Benjie’s Olympics 要解的核心命題，從來(lái)不止是單一能力的峰值突破，更是要直面并攻克橫亙?cè)诰呱碇悄茴I(lǐng)域最底層的「莫拉維克悖論」。讓機(jī)器人完成這些任務(wù)，其難度無(wú)異于讓人類去挑戰(zhàn)基因底層代碼里從未預(yù)設(shè)過(guò)的能力邊界。

也正因如此，這場(chǎng)賽事沒(méi)有任何參數(shù)注水、場(chǎng)景取巧的空間，每一份成績(jī)，都是對(duì)具身智能大模型通用能力最硬核的實(shí)機(jī)驗(yàn)證。

Benjie’s Olympics是PI主動(dòng)第一次參加比賽。對(duì)，這次是PI“本PI”，而且拿的是還沒(méi)舍得開(kāi)源的模型，來(lái)的原因很簡(jiǎn)單，PI團(tuán)隊(duì)認(rèn)為該比賽沒(méi)有其他比賽能比肩。

不得不說(shuō)，PI作為現(xiàn)階段全球最強(qiáng)具身大腦其閉源模型能力毫無(wú)疑問(wèn)，也是該比賽拿下最多獎(jiǎng)項(xiàng)的團(tuán)隊(duì)。但在三個(gè)項(xiàng)目，星動(dòng)紀(jì)元的表現(xiàn)讓PI只能望其項(xiàng)背。

先從最難的剝橘子（金牌任務(wù)）來(lái)看，比賽要求機(jī)器人精準(zhǔn)區(qū)分果皮與果肉的細(xì)微視覺(jué)特征，稍有不慎就會(huì)捏爛果肉，需要實(shí)時(shí)跟蹤剝制過(guò)程中的果皮形變，要求視覺(jué)感知有極高的魯棒性。PI在這個(gè)項(xiàng)目中借助削皮刀耗時(shí)2分46秒完成，而星動(dòng)紀(jì)元?jiǎng)幼鞲蓛衾?，不僅在速度上提升了35%，用時(shí)1分47秒完成，更是成為賽事首個(gè)實(shí)現(xiàn)完全無(wú)工具純手剝操作的團(tuán)隊(duì)。

在同為金牌任務(wù)的開(kāi)鎖項(xiàng)目上，機(jī)器人要精準(zhǔn)識(shí)別只有幾毫米的鑰匙孔位置和角度，并實(shí)時(shí)理解鑰匙的姿態(tài)插入毫米級(jí)的鑰匙孔。在這個(gè)過(guò)程中，還要克服光照的變化，和反光的金屬以及操作視角偏差。對(duì)視覺(jué)感知的精度和魯棒性要求極為嚴(yán)格，別說(shuō)機(jī)器人開(kāi)鎖了，我經(jīng)常需要反復(fù)對(duì)齊才能開(kāi)鎖成功。

PI完成開(kāi)鎖用了66秒，而星動(dòng)紀(jì)元僅用49 秒完成，速度提升 25 %。

更有代表性的碾壓在銀級(jí)任務(wù)翻襪子上，這是家庭場(chǎng)景中最常見(jiàn)的任務(wù)，也是考驗(yàn)泛化能力的標(biāo)桿任務(wù)。畢竟襪子是一個(gè)柔性物體，且在操作中會(huì)發(fā)生毫無(wú)規(guī)則的復(fù)雜形變，屬于柔性物體操作、樣本泛化、效率敏感的典型場(chǎng)景。這便要求機(jī)器人實(shí)時(shí)跟蹤形變，精準(zhǔn)區(qū)分襪子的內(nèi)外側(cè)、開(kāi)口位置，對(duì)視覺(jué)感知、柔性物體跟蹤能力要求極高。

PI 用時(shí)1 分 33 秒完成，星動(dòng)紀(jì)元比 PI 速度提升 30%。更為重要也是碾壓的在于對(duì)樣本量的訴求，PI用了 176 個(gè)樣本，而星動(dòng)紀(jì)元只用了120 個(gè)樣本，樣本量減少 32%。

面對(duì)不規(guī)則、復(fù)雜形變的操作任務(wù)，對(duì)樣本量需求更低表明星動(dòng)紀(jì)元的在復(fù)雜任務(wù)中展現(xiàn)了極強(qiáng)的泛化性，和落地可行性。正如Benjie’s Olympics考驗(yàn)的一樣，不是運(yùn)氣而是真實(shí)力。

從這條線中就能看出，星動(dòng)紀(jì)元不只是拿了幾塊獎(jiǎng)牌回來(lái)，而是在比賽中，沉淀出了模型更高效落地的方法論。

除了，翻襪子中體現(xiàn)的小樣本泛化能力，證明了基礎(chǔ)模型的知識(shí)遷移能力，大幅提升了數(shù)據(jù)利用效率外，在開(kāi)鎖等高精度操作任務(wù)中，星動(dòng)紀(jì)元通過(guò)自適應(yīng)視覺(jué)注意力機(jī)制，實(shí)現(xiàn)了對(duì)鑰匙、鎖孔等微小目標(biāo)的動(dòng)態(tài)聚焦與特征增強(qiáng)，顯著提升了精細(xì)操作對(duì)象的感知精度。這套邏輯不僅僅是能拿獎(jiǎng)牌，更是證明工業(yè)場(chǎng)景中毫米級(jí)操作，有了可靠的感知基礎(chǔ)。

此外，星動(dòng)紀(jì)元采用異步推理架構(gòu)，通過(guò)提升推理與動(dòng)作執(zhí)行頻率、縮短運(yùn)動(dòng)規(guī)劃時(shí)域，有效抑制了累計(jì)動(dòng)作誤差，大幅提升了任務(wù)執(zhí)行的成功率與穩(wěn)定性。如圖所示：VLA 模型通常以特定頻率生成單次時(shí)長(zhǎng)超過(guò) 1 秒的小段運(yùn)動(dòng)軌跡，為了提高模型對(duì)環(huán)境動(dòng)態(tài)的實(shí)時(shí)反應(yīng)能力和執(zhí)行精度，在當(dāng)前運(yùn)動(dòng)軌跡沒(méi)有執(zhí)行完成時(shí)就同時(shí)預(yù)測(cè)下一段軌跡,新軌跡生成后，系統(tǒng)將直接切換至新軌跡執(zhí)行。

機(jī)器人關(guān)節(jié)沿第 1 段規(guī)劃軌跡（Chunk 1）運(yùn)動(dòng)，當(dāng)?shù)?2 段新軌跡生成時(shí)（對(duì)應(yīng)圖中豎線分隔時(shí)刻），系統(tǒng)切換至第 2 段軌跡執(zhí)行，以此類推。向模型發(fā)起軌跡規(guī)劃請(qǐng)求的頻率越高（即圖中豎線間距越近），機(jī)器人對(duì)非預(yù)期擾動(dòng)（如襪子堆疊狀態(tài)偏離預(yù)設(shè)）的實(shí)時(shí)響應(yīng)與應(yīng)變能力越強(qiáng)。

星動(dòng)紀(jì)元這套技術(shù)，說(shuō)白了就是給機(jī)器人裝上了 “邊動(dòng)邊看邊改路線” 的超快反應(yīng)系統(tǒng),不用等當(dāng)前動(dòng)作做完再規(guī)劃下一步，而是動(dòng)作執(zhí)行的同時(shí)就提前算好新路線，新路線一出來(lái)立刻切換，改得越勤、越快，機(jī)器人應(yīng)對(duì)突發(fā)狀況就越靈活，動(dòng)作越不容易走歪，干活的成功率和穩(wěn)定性也就越高。

整體而言，星動(dòng)紀(jì)元獲獎(jiǎng)的三個(gè)任務(wù)，體現(xiàn)的是從柔性操作到長(zhǎng)程任務(wù)的通用智能潛力：能夠精準(zhǔn)應(yīng)對(duì)柔性物體的形態(tài)變化，完成細(xì)膩精細(xì)操作；可靈活協(xié)調(diào)雙手完成復(fù)雜協(xié)同操作，打破單臂執(zhí)行的局限；對(duì)工具應(yīng)用的深度理解與靈活運(yùn)用能力，適配不同場(chǎng)景需求；能夠高效處理多步驟、長(zhǎng)時(shí)間規(guī)劃的復(fù)雜任務(wù)，具備向更廣泛真實(shí)場(chǎng)景延伸的潛力。

如果不是星動(dòng)紀(jì)元參賽，Benjie’s Olympics在國(guó)內(nèi)的還屬于“小眾”圈層談?wù)摰谋荣悺?/p>

但說(shuō)實(shí)話，這種舉動(dòng)很星動(dòng)紀(jì)元。

只要了解星動(dòng)紀(jì)元，絲毫不會(huì)對(duì)這件事產(chǎn)生疑惑。

縱觀星動(dòng)紀(jì)元的發(fā)展，你會(huì)發(fā)現(xiàn)其創(chuàng)始人陳建宇低調(diào)的底色早已浸透于這家企業(yè)中。此前曾有聲音表示，很難看懂星動(dòng)紀(jì)元，原因在于星動(dòng)紀(jì)元好像一直在做些和產(chǎn)業(yè)主流步調(diào)不同頻的事。

從一個(gè)中立視角來(lái)看，這種聲音或者說(shuō)看不懂，并不是外界的誤讀，而是星動(dòng)紀(jì)元的認(rèn)知使然，業(yè)內(nèi)還在炫DEMO翻跟頭的時(shí)候，其靈巧手已經(jīng)成為海外追捧的產(chǎn)品，但這件事在國(guó)內(nèi)鮮少有人了解；當(dāng)更小尺寸的人形機(jī)器人以靈活姿態(tài)踹開(kāi)表演大門時(shí)，星動(dòng)紀(jì)元又在專研全尺寸雙足大人形，并致力于在真實(shí)場(chǎng)景中當(dāng)個(gè)廠工，看起來(lái)沒(méi)有跳舞那么炫酷但卻是實(shí)打?qū)嵉奶豳|(zhì)增效；當(dāng)模型廠商斬獲大額融資時(shí)，星動(dòng)紀(jì)元雖然沒(méi)掉隊(duì)，但又不聲不響去挑戰(zhàn)最高賽事，好像絲毫不顧及如果失敗了，投資人該怎么看。

你看，這些所謂的和產(chǎn)業(yè)不同頻其實(shí)是有一條主線的：星動(dòng)紀(jì)元始終在圍繞生產(chǎn)力深耕，且主動(dòng)屏蔽了噪音。

是的，并不是礙于客觀因素制約讓星動(dòng)紀(jì)元不同頻，而是其主動(dòng)選擇了一條人跡罕至的路。

在產(chǎn)業(yè)早期就死磕五指靈巧手，讓星動(dòng)紀(jì)元的操作能力跳出簡(jiǎn)單的“抓取&放置”演示，真正去做些復(fù)雜任務(wù)；而大人形雖然難落地看起來(lái)也不討巧，但其能無(wú)縫融入到生產(chǎn)環(huán)境中，更不用說(shuō)星動(dòng)紀(jì)元用大人形還完成了難度更高的“舞劍”；參加最難模型比賽，通過(guò)三塊金牌檢驗(yàn)了其模型能在柔性、高精度的復(fù)雜操作能力。

再舉個(gè)更具體的兩件事情：其一，今年2月陳建宇團(tuán)隊(duì)聯(lián)合斯坦福 Chelsea Finn 團(tuán)隊(duì)（PI 聯(lián)合創(chuàng)始人）研發(fā)的Ctrl-World 可控生成世界模型，在全球具身智能頂級(jí)世界模型權(quán)威評(píng)測(cè)World Arena榜單中，具身任務(wù)能力全球第一、一舉擊敗谷歌 、英偉達(dá)等國(guó)際頂尖模型，且在主體一致性、軌跡精度、深度準(zhǔn)確性、策略評(píng)估一致性四大核心維度全部登頂。

其二，星動(dòng)紀(jì)元具身大腦ERA-42已在物流、制造、商業(yè)服務(wù)等多個(gè)領(lǐng)域落地，形成了“場(chǎng)景越豐富，模型越智能” 的正向循環(huán)。在物流領(lǐng)域，可自主完成不同形狀、不同顏色、不同材質(zhì)、不同大小藥品、日化品、包裹、藥品、日化品的分揀及掃碼，效率已達(dá)人工效率80%以上；在制造領(lǐng)域，重點(diǎn)突破 “零部件抓取 - 高精度裝配 - 質(zhì)量檢測(cè)” 等場(chǎng)景任務(wù)；在商業(yè)服務(wù)領(lǐng)域，可完成門店客座清潔、物品遞送、導(dǎo)游導(dǎo)覽等。其中，部分場(chǎng)景效率當(dāng)前達(dá)到70%。

這表明，星動(dòng)紀(jì)元已經(jīng)不是第一次在國(guó)際賽事中摘得桂冠，“搞點(diǎn)最難的”一直是這家低調(diào)企業(yè)的基因，讓更前沿的技術(shù)在場(chǎng)景中釋放生產(chǎn)價(jià)值，是這家企業(yè)的主旋律。

讀懂了這些抉擇，就讀懂了星動(dòng)紀(jì)元，也能從中窺見(jiàn)拋開(kāi)情緒資本、外部噪音后具身智能真實(shí)的模樣。