
中国证券报·中证金牛座记者实探发现,相比上一届大赛,本届最鲜明的变化是,赛题设计更加贴近产业一线的实际需求,把
直接放进真实工况场景和流水线上,具体关注到作业效率提升多少、运行稳定性如何、投入产出是否划算等问题。当
被要求“无彩排、无剧本”地完成具体任务,具身智能的竞争也越来越考验现场工程能力。真场景搬进赛场走进2000平方米的大赛现场,“去表演化”,是记者最直观的感受。
大赛没有把机器人放在平整空旷的展台上跳舞、拳击,而是让它们面对随机变化的物料、临时设置的故障点位和真实作业流程。这种“黑盒盲测”让比赛更像一次真实场景干活的抽检:
不仅要会抓取、搬运、装配,还要能在流程中断后判断如何恢复,或者在什么情况下交由人接管。
“本次大赛从1200多个申报场景中筛出了高价值应用场景,在这种场景中训练出来的机器人才能够具备泛化能力。”上海市行业协会秘书长钟俊浩在接受记者采访时表示。
能源巡检赛道便是其中一个高价值应用场景。在这里,超高压变电站1:1复刻,装有蓝色干燥剂的瓶子悬挂在变电站一侧:机器人需要完成复杂路况通行、仪表抄读、红外测温、设备异常识别、开关状态核对等任务,甚至要识别现场人员是否穿戴工装和安全帽。钟俊浩站在复刻的超高压变电站旁介绍,变电站运行的时候会有水汽,如果水汽过载干燥剂会变颜色,由蓝变红,这意味着会产生故障。变成红色时,机器人需要识别,并发警报回到数据平台。但在真实的比赛或应用场景中,机器人面临的环境更为复杂,除了水汽问题外,还需应对油污等其他干扰因素。“机器人进入实景后,需要同时执行多项工作任务,而且还需要具备自主返航能力,在完成所有的检测任务后能够绕过障碍物行走,最终准确回到其原始的起始工位。”钟俊浩进一步称。
同样,在别的场景和赛道中,机器人面临的考验也不小:质检检测赛道把难度压到毫米级,机器人要在离心机、试管、针管之间完成取样、装载、抽液、分拣,动作稍有偏差就可能翻瓶、漏液;商超零售场景中,灯光、货架尺寸、走道间距都尽量贴近真实门店,机器人要在非结构化货架间扫码、理货、取放......
这一评判标尺的转变说明,具身智能正在从“通用能力展示”转向“岗位能力验证”,企业和公众对机器人真正关注的方向已从“能做什么动作”转向“能不能在真实岗位上稳定干活”。
走进真实物理世界的关键钥匙。过去,不少具身智能应用仍停留在“一场景一开发”阶段:为装配写一套程序,换到巡检场景又需重新开发;换个工位、换批物料,原有能力可能就要推倒重来。值得一提的是,本次大赛以“真机实景、实景实训”核心导向,推动机器人作业能力拆解沉淀为可复用、可推广的标准化作业技能包。
像抓取物体、视觉识别零件、拧紧螺丝、避障行走等,都是一个个单独的技能包,开发者可按场景自由组合。例如,工厂精密装配可调用“视觉识别+抓取+拧紧螺丝”,仓库分拣则可组合“行走避障+物品识别+搬运码放”。“我们十分关注机器人能否具备泛化能力。例如,在符合物理规则的前提下,将堆垛技能包喂给不同品牌机器人后都能够具备该技能。即所谓的软件装在任意一个符合物理条件的机器人硬件里,就具备了解决相应工业场景作业内容的能力。”钟俊浩说。
可以预想的是,当这一点实现后,未来具身智能本体可能更像智能手机,不同场景按需调用不同技能包,不必为每个行业从零开发整套系统。对产业而言,这种模块化能力比单点突破更有价值,因为它直接关系到规模化复制的速度。
这背后指向一个更深层变化:具身智能竞争正在从“做出更灵活的机器人”,转向“沉淀更通用的能力资产”。如果技能包能够持续沉淀、开放调用,未来不同本体、不同场景之间的能力复用效率将显著提升。
“单点技术再强,也只是能力;只有把感知、决策、控制、交互融为一体,让机器人看懂、会思考、可执行、自进化,才能真正走进复杂现场,解决真问题。”七腾机器人有限公司CTO(首席技术官)胡小东此前告诉记者。
沉淀“技能包”需要大规模的实景实训。大赛现场,记者看到,百联集团把商超货架搬进了赛场,机器人在模拟商超场景中尝试整理货架、调酒、提供试吃等任务。
“作为场景方,我们更想考验机器人对商品的实际形态、品名规格以及货架信息的精确把握。”百联集团商业互联网部经理、本届大赛商超零售场景赛项命题负责人郭甬平告诉记者,“目前,机器人的整体视觉方案对商品识别没什么大问题,但难点在于,对于夹爪而言,一旦进入力控环节,其力度反馈还没有做到非常精准的程度。我们发现,在训练过程中,有好多商品的外包装已经被夹变形,这个问题当下确实存在,还需要不断进化。”
为解决这一问题,此次大赛结束后,张江科学会堂2000平方米场地将改造成永久性具身智能场景实训空间,将围绕机器人作业成功率、效率提升率、安全可靠性、经济可行性进行实测。这意味着评判标准不再只是“动作是否漂亮”,而是“能否在真实工位上稳定创造价值”。
这种“场景出题、真机答题、数据回流、方案复用”的机制,正是实景实训区别于传统展会的关键:它不是短期展示,而是长期验证;不是单点演示,而是产业闭环。对具身智能而言,真正稀缺的或许不是一台更灵活的机器人,而是一套能让机器人在真实场景中持续训练、持续迭代、持续上岗的基础设施。