“竟然没有一支参赛队伍能完成这个任务？”

　　10月24日，智元机器人与OpenDriveLab在全球学术顶尖会议IROS中主办的“AgiBot World Challenge @ IROS 2025国际挑战赛”刚刚落幕。在现场，第一财经记者看到了11支来自清华、香港大学、阿里云等顶尖学府、机构的参赛选手利用自己训练的模型进行部署作业。

　　相比其他任务的完成率，在机器人挂零食这个任务上，所有参赛队伍尽数失败，这让第一财经记者感到十分惊讶。

　　从叠衣服、倒水到物流分拣、打包、再到挂零食、用微波炉加热食物，比赛现场，这六个任务分别被划分在家居、工业、超市这三类环境中，由智元的机器人G1来完成，选手只能使用一个模型来应对所有任务。

　　除了已经开源的数据集之外，智元会给每支队伍提供200条有关任务的真机数据来进行训练。这意味着这场比赛，比拼的已不再是单一算法的优劣，而是模型在多场景下的泛化与稳定性，以及团队的工程化能力。

　　在原本的设想中，机器人在挂零食这个任务中，应该利用抓夹抓起零食，挂到货架当中。每一个动作成功后都应该获得相应的分数。但在实际的比赛过程中，几乎没有一个队伍能够完成这套动作序列。在这项任务中完成率最高的队伍也仅仅是拿到了“用抓夹抓起零食袋”的分数。

　　“这个任务现场的干扰因素太多了。”清华大学智能产业研究院（AIR）的博士生郑金亮告诉第一财经记者，任务本身其实没有太多复杂的动作表现，机器人只需要识别出货架前方的挂钩，将手中的包装袋挂上，这项任务对机器人视觉识别和空间定位的精度要求极高。

　　比赛现场的情况则更为复杂。“如果堆叠在框里的零食包装都是一种颜色的，机器人在视觉上难以分辨前后层，抓取的难度就比较大”。再加上挂钩本身体积比较小、形状细长，在摄像头视野中仅占极少像素点，这让模型很难稳定识别出目标位置。

　　“我们模型其实已经能识别出要挂的物体，也能执行放置动作，但因为视觉信号噪声太多、挂钩点太细小，最终还是没能成功完成。”郑金亮所在的团队在比赛中拿到了Manipulation（操作）赛道的第一名，但在这个挂零食任务中，只拿到了抓取零食袋的分数。

　　值得一提的是，智元机器人的产品经理赵澄玥告诉第一财经记者，在设置比赛任务的时候，她原本以为叠衣服会是最难的任务。“因为柔性物体的可变形特性太强了，抓取点、受力方向、材质摩擦力这些细节都会影响动作的稳定性和成功率。”赵澄玥解释道。

　　但从实际表现看，不少参赛队伍却能顺利地将衣服折叠成标准的方块状，甚至在倒水、加热等长程任务上也表现出更高的完成率。这在一定程度上说明，参赛团队在模型预训练与模仿学习方面的积累，已能支撑机器人应对中等复杂度的操作任务。

　　换句话说，行业在“如何让机器人学会做动作”上，已经取得显著进步。真正的难题，正在从动作层转向“理解世界”的层面，比如在视觉噪声、空间定位、物理交互等更具现实扰动的场景中，模型如何保持稳定。

　　在智元具身解决方案与生态总监沈咏剑看来，这场比赛的意义并不止于比拼模型性能，更在于让不同研究路径在同一个平台上“跑通链路”。

　　“学术团队做的是方向探索和天花板的探索，他们验证的是事情能不能被模型做到。”沈咏剑告诉第一财经记者，“但真正的工业落地，从‘可行’到‘可用’，中间还有很长的一段工程化距离。”他解释，算法和模型的进步可以解决“能不能做”的问题，但“能不能真正落地”，往往取决于硬件调试、控制优化、系统集成等工程环节。

　　去年12月，智元机器人于发布并开源了百万真机数据集AgiBot World，并逐步在生态发力。“通过我们自建的数据集、开源的模型体系，以及提供给开发者的二次开发平台和接口，我们希望把这条从数据、模型、仿真和真机部署的完整链路搭建好。”在他看来，这次比赛更像是一次对具身智能基础设施的系统性验证，让大家在一套稳定的机器人硬件本体和开发工具链基础上，跑通从算法研发到测试的完整流程，进一步降低研发门槛，也能吸引更多开发者加入。

　　在这场国际挑战赛结束之后，智元也发布了新的二次开发平台“灵创”，该平台此前已经在8月份的智元机器人合作伙伴大会中有过预告。灵创平台能够通过AI视觉动作提取、智能重定向算法和云端模仿学习框架，进一步降低了二次开发的参与门槛。

　　从“挂零食”的失败，到“叠衣服”的突破，再到不用编程就可二次开发的训练平台，IROS赛场上的一连串实验与验证，也是机器人发展的一个真实横截面。当算法的边界不断逼近现实世界，工程化与全平台工具的构建能力，正成为推动通用机器人落地的关键变量。