“哎呀，還是不行。”伴隨著賽事解說員的一聲輕嘆，在還有一個臺階就到達終點時，機器狗的重心向右一歪，再次摔到了臺階旁邊的排水溝里。

在之前的賽段里，這只來自上海交通大學 IRMV 隊的四足機器人表現(xiàn)一度領先，卻在同一個地方反復卡住，

沒有什么猶豫，隊長馮臨溪抄起它一路狂奔沖回起點，準備讓它再重頭試一次。

這時離規(guī)定完成時間只有不到7分鐘了。

現(xiàn)場的所有人，觀眾、工作人員、選手還有從直播里觀戰(zhàn)的陌生人，都為這支隊伍捏著一把汗。

留給他們的時間只夠再嘗試一次，還得是毫無錯誤、一氣呵成的那種。

機器狗順利地完成了前三個子路段的戶外越野，它輕松繞過路障、越過淺坑，連著跨越四級臺階的緩坡，但還是又一次卡在了最后一個賽段的這段長臺階前。

馮臨溪決定將機器狗從全自主模式切換到遙控模式，先完成比賽再說。

12月香港的冬天，汗珠大顆大顆往下落著，他卻只來得及撩起T恤下擺擦干凈落在電腦鍵盤上的汗，時間只剩最后一分鐘，氣氛有一種“不成功、便成仁”的緊張。

可奇跡沒有出現(xiàn)，在大屏幕上的倒計時結束之后1分鐘，他才完成調試，操控機器狗順利走完最后的賽程。

無論是選手和這臺摔了又摔的四足機器人，在過去的兩天里都已經盡力了。

在踏上這段臺階之前，他們已經在一天的不同時段完成戶外分揀垃圾、自主澆花、吊橋穿越等任務。

無論是布滿青苔的臺階、濕潤的草皮，還是臨近中午變得刺眼的天光，或是觀眾發(fā)出的聲音，吊橋木板間超過 50 厘米寬的縫隙，都是名副其實的“絆腳石”，干擾著機器人的自主判斷和任務執(zhí)行。

來到真實世界，踩入泥濘、噪聲與未知的干擾

上述這一幕幕，發(fā)生在第五屆ATEC2025科技精英賽ATEC 2025·Real-World Extreme Challenge 的決賽現(xiàn)場。

本屆比賽的核心賽題是“真實世界極限挑戰(zhàn)”，線上賽設置了軟件、硬件兩個賽道，線下賽則在香港中文大學的全戶外真實場景中模擬多樣化的戶外地形，要求機器人完成吊橋穿越、定向越野、自主澆花、垃圾分揀等綜合任務，首次在全戶外真實場景中系統(tǒng)探索“無遙操”技術路徑。四足機器人在越野時頻頻翻車的山坡，正是香港中文大學的后山。

馮臨溪帶領的 IRMV 隊，是從線上賽的 396 支隊伍中角逐出的 13 支小隊之一。兩天的線下賽里，在“鼓勵全自主、探索無遙操”的賽制引導下，這 13 支參賽隊伍針對戶外復雜場景，嘗試了多樣化的技術路徑與創(chuàng)新方案。

「摔倒沒什么，再站起來就好」

賽場上一出又一出“機器人翻車實錄”。其實都在賽事主辦方的意料之內。

本屆賽事的根本目的，就是要回答一個核心問題：機器人能否真正走出實驗室，進入并適應我們復雜的人類世界？

這樣一來，擺在參賽選手們面前的核心挑戰(zhàn)就是，如何讓機器人在沒有人類“手把手”幫助的情況下，真正理解環(huán)境、預測風險并做出安全高效的決策。

遮擋、光照、混亂、噪聲——所有真實世界的干擾，全都被真實地擺在題目里。

這每一道題，都不是為了讓它“完成得好看”，恰恰是為了讓機器人能夠在一次次失敗里暴露真正的弱點。

「現(xiàn)場改裝」

在這里，前沿技術被“拽”進真實世界里去碰壁、去檢驗，當機器人從實驗室走入真實世界，讓技術和難題正面相遇，那些難題才有了真正被解決的可能。

如螞蟻集團技術戰(zhàn)略部負責人所表示，AGI技術發(fā)展的未來，是實現(xiàn)機器智能與物理世界的深度融合，只有“真問題”，才能讓行業(yè)知道下一步要突破什么。

機器人到底多聰明才算聰明？

「機器人在執(zhí)行澆花任務」

在戶外越野任務之外，選手們公認挑戰(zhàn)較高的任務是自主澆花。即使是冠軍隊伍 wongtsai賽隊，在其他三個任務都實現(xiàn)了機器人全自主完成，但在澆花這個任務上還是選擇了遙控操作。

澆花這件事，三歲小孩都能做，為什么會成為機器人比賽中難度最高的一環(huán)？

目前的機器人在特定領域（如下棋、翻譯、圖像識別）已經表現(xiàn)出超越人類的“聰明”，但在另一方面，日常生活里我們司空見慣的許多動作，在機器人的“眼中”卻并不是那么一回事。

從大二開始泡在北京理工大學自研機器人實驗室的季子上，在賽前一輪又一輪的攻關里，對澆花這件事做了無數(shù)次拆解：“導航必須特別穩(wěn)，偏一點可能就夠不到桌子，或者對不準水龍頭。抓取和操作必須很準，比如目標在不同角度、光線變化大、抓取失敗后怎么自己重新調整，都需要仔細思考?！?/p>

面對桌上的水壺，機器人需要首先識別：“我在哪里，我需要做什么，哪邊是壺把手，哪邊是壺嘴，哪里是需要澆的花”，接著才是思考一系列問題：“我要如何靠近水壺，在這個過程中如何避免碰撞，機械臂需要到達怎樣的位置才能抓起水壺，需要用多大的力度。”

如果想讓機器人全自主完成這一系列操作，考驗的就不僅僅是單個點位的視覺識別和動作精準，而是要在長鏈路的復雜任務中做到全身協(xié)同，相比起單個動作，這完全是個系統(tǒng)級挑戰(zhàn)。

甚至在澆花的過程中水壺的重量在不斷變化，機器人能不能感知到這種變化并調整動作，也考驗著機器人的力控感知與自適應控制能力。

「機器人在執(zhí)行澆花任務」

這么看來，日常生活中那些常見的家務，疊衣服、洗碗、做早餐……哪一樣對于機器人來說不是困難重重的復雜任務？即使只是鋪床，每天早晨人類起床之后枕頭和被子的位置都是隨機的，或者床頭柜上多了兩件睡衣……這些變量對于機器人來說，都是關于魯棒性（Robustness，指是一個系統(tǒng)或模型在面對內部參數(shù)變化、外部環(huán)境干擾、不確定性或異常時，仍能維持其功能、性能穩(wěn)定運行的能力）的極高考驗。

“很多事情，目前確實只有人類能做。人的智慧很難被簡單替代。人類這個物種，沒有我們想象的那么簡單?！?/strong>朱承睿認為，機器人從人類遠程遙控操作到自主控制，大概是蒸汽機時代到電氣化時代的飛躍，是一次工業(yè)革命級的進步。

當然，這并不是只有這些選手需要面對的問題。

在中國29.5萬臺的安裝量領跑全球的產業(yè)繁榮背后，隱藏著一個關鍵技術瓶頸：目前大多數(shù)引人注目的機器人演示，實際上都依賴于人工遙控或預設程序，距離真正的“全自主”仍有相當距離。

習慣在嘲笑聲中成長，因為我們的目標不在當下

「吊橋穿越任務」

與常規(guī)的比賽不同，失敗，對這些參賽的選手們來說，并不是新鮮事。

“在比賽里我很高興看到，大概試了10次或者20次，總有一次成功?！眲⒃戚x在賽后整體評價道，“我個人而言，已經比較滿意了?！?/p>

或者應該這樣說，機器人領域的每一點突破，背后都是漫長的研發(fā)過程與無數(shù)次的失敗。

尤其是在機器人研究從人工遙控轉向全自主的“具身智能”時，研發(fā)者們付出的努力更是難以想象。

比“機器人做到了什么”更出圈的，往往是那些關于“今天機器人又怎么花式翻車了”的內容集錦。這群“搞機器人的”，早就已經習慣了在嘲笑聲中成長。

“不光是別人嘲笑，我們也經常自嘲，有的時候做個傳感器，也會自我懷疑這東西到底有什么用，會不會太脫離現(xiàn)實?！盪STBot隊隊長張博陽在香港科技大學攻讀博士，他告訴我們：“科研需要時間來驗證，也許未來某個時刻，我的研究成果很快遷移到了具體的場景和產品上，可能就能派上用場了。”

張博陽2018年入讀東北大學機器人工程專業(yè)，并且是該專業(yè)的第一屆學生，到2025年的今天回頭看，就在短短幾年間，曾經的不少理念都已落伍，行業(yè)發(fā)展實在太快。如今的他更想讓機器人代替人類去處理如高空作業(yè)、火場搜救等危險任務。

“9·11 事件后，背包機器人已經能和搜救人員一起進入現(xiàn)場，” 他說，“我們這代人的使命，是讓這種技術更成熟、更可靠?！?/strong>

「機器人在戶外越野任務中」

比外界嘲笑更磨人的，是技術迭代帶來的自我懷疑。

AI技術的躍進式發(fā)展，打開了人類對于“新智慧”的無限暢想，讓我們有機會重新解讀問題，能重新嘗試解決原本無法解決的問題，也讓“機器人”可以開始被冠以“具身智能”的稱呼。

但對于長期身處其中的研究者來說，也有一些措手不及。

作為一位在長期研究導航和控制方向的研究者，馮臨溪也感受到了技術的快速變化。大模型的出現(xiàn)，推動新的方法涌現(xiàn)，許多傳統(tǒng)方案難以解決的問題，利用大模型就有了全新的思路。

“好像爬了很久的坡，突然之間因為技術迭代，發(fā)現(xiàn)路被重造了?！彼f。

但即使有了大模型，發(fā)展的路依然很漫長。

訓練大模型的語料大多來自互聯(lián)網(wǎng)，它現(xiàn)在可以理解一幅圖像、一段文字，但是對于真實的物理世界，目前的大模型還處于缺乏概念的狀態(tài)之中。“要它理解如何抓起一個物品，它是完全做不到的。它不具備這種能力?！?/strong>朱承睿告訴我們。

當下的機器人行業(yè)，大多采用“大腦+小腦”相結合的技術架構。“大腦”負責通過大模型對長程鏈路進行規(guī)劃，“小腦”則通過底層控制、硬件控制等小模型來完成。AI 讓機器人變得“聰明”，也帶了新的挑戰(zhàn)，AI 用得多，算力要求就變高，相應的耗電量就變大，這就導致需要更多電池載荷來支持機器人的“腦力”，但隨之而來的問題就回到了硬件——配重、平衡乃至動作感知，都是需要跟上的技術。

可以想象，在這個系統(tǒng)工程里，未來算力強、功耗低的芯片的出現(xiàn)，還將帶來連鎖反應般的影響。

跨界者的勇氣：在質疑聲中拓寬賽道

參加比賽，說不想贏那肯定不現(xiàn)實。

但拿冠軍從來都不是唯一的目標。

20歲的陳舒熒是ATEC 2025最年輕的隊長，她帶領的隊伍，成員中最小的只有19歲，最大的也才24歲，也是本屆比賽中最年輕的隊伍。

陳舒熒甚至也不是科班出身：修讀醫(yī)學的她，卻對機器人有著濃厚的興趣，希望能夠探索機器人技術運用在醫(yī)學領域，于是，她自學軟件，投身交叉學科。

她就讀的香港中文大學鼓勵學生跨專業(yè)學習AI知識。自己由于對機器人的愛好，此前已經加入到了香港中文大學的機器人戰(zhàn)隊，這也為其組隊參賽提供了基礎。

參加 ATEC，陳舒熒和隊員們的首要目標是通過手動遙控完成比賽，在此基礎之上再去嘗試“無遙操”的挑戰(zhàn)——完成比賽本身就是學習的一部分。

參加比賽的過程中，她投入了很多時間精力來學習相關的前沿技術，對于她來說，這些都是“值得走的路”。在與其他隊伍的交流中，她學到了不少新東西，也更明晰了接下來的研究方向——她想探索機器人與醫(yī)學的交叉點，用前沿技術幫助更多的病患。

“比如說讓醫(yī)生在 AI 輔助下在人體內完成抵達病灶的導航，乃至讓機器人更精確地代替醫(yī)生的手，都是我接下來想做的?！?/strong>她的機器人戰(zhàn)隊導師香港中文大學博士后何騏補充道。

這場比賽里，有馮臨溪這樣已經在機器人領域研究了很久的，也有如陳舒熒這樣，從醫(yī)學專業(yè)跨界機器人研究的初期探索者。

自研機器人，與“真實商戰(zhàn)”不期而遇

北京理工大學，常與“自主研發(fā)”緊密相連。而隊長季子上所在的CyberPrime隊，由三名博士、三名碩士組成，核心成員大多來自北京理工大學。

隊長季子上考入北京理工大學時，最初是被材料科學專業(yè)錄取。在對機器人產生興趣之后，他通過校內選拔進入全英授課的機電學院機器人實驗室。“那時是2022年，只是覺得機器人這個方向很酷、很帥。沒想到一兩年后，機器人領域就迎來了大爆發(fā)?！彼貞浀?。

研究方向撞上“風口”，一切似乎都進展順利。數(shù)年來他參加了不少比賽，拿下獎項無數(shù)，更重要的是，在四足機器人這個領域，他深深鉆了進去。

那種爬坡爬到一半，發(fā)現(xiàn)又要重新學習新技術的感覺，季子上也同樣經歷過。早些年，用現(xiàn)代控制理論去做機器人控制的方法一度非?；稹ｋS著顯卡迭代，助力強化學習的發(fā)展，就在短短一兩年之內，傳統(tǒng)控制算法突然被淘汰了。

他所在的實驗室是國內最早研發(fā)四足機器人的團隊之一，在 ATEC 的賽場上，他們也選擇用自研產品參賽——這款產品已經研發(fā)數(shù)年，相關商業(yè)化探索也即將展開。但是他沒想到的是，在這里，他們提前遭遇了未來市場上的強大對手。

但賽事主辦方為參賽選手提供了成熟的硬件解決方案，大多數(shù)參賽者都選擇了行業(yè)頭部的設備。

但季子上的賽隊還是堅持用了自研機器人?！叭绻皇菫榱粟A，我肯定用成熟的商業(yè)化機器人，但我們也想通過比賽多考驗一下我們的機器人。結果意外地發(fā)現(xiàn)用了自己熟悉的機器人，可以進行硬件上的靈活適配，反而成為比賽成功的關鍵因素之一”。

自覺肩負使命與未來的人，面對變化時，只會盡快適應它、超越它。

談到機器人發(fā)展的未來，他的想法與其他幾位選手類似——機器人應該做更多人類無法完成的工作，而不是人類能力范圍內的事情。面對足夠強大的競爭對手，季子上對自研機器人也有信心——夠結實、續(xù)航長，做到一定的程度，也是技術壁壘。

“讓機器人去承擔人類危險的工作，或者完成人類無法完成的任務，是我們這一代機器人研發(fā)者更重要的使命。”季子上說。

十年之約：用理想對抗漫長時光

「垃圾分揀任務」

比賽落幕時，香港中文大學的山坡上，夕陽把人們的影子拉得很長。

當問起具身智能什么時候能達到大眾期待的水平，ATEC 2025 專家委員會主席、香港工程院院士劉云輝認為：“五年之內實現(xiàn)都相當困難?！?/p>

而剛剛從長達半年的比賽中告一段落們的選手，給出的答案更加克制，或者說保守。有的選手的回答是十年，有的選手抱著與目標“死磕”二十年甚至三十年的預期。

在比賽里，讓機器人自主完成任務、實現(xiàn)“無遙操”，是加分項。但是在真實世界里，機器人要真的成為具身智能，要真的走進千家萬戶，能夠自主完成復雜任務就是必須做到的前提條件。

他們知道，具身智能的發(fā)展不會一蹴而就，嘲笑和質疑也會如影隨形。但就像螞蟻集團技術研究院何征宇在開幕式上說的：“所有偉大的技術進步，都是在失敗、難題、很少人喝彩的地方被逼出來的?！?/strong>

研究者們，正是在一次次失敗中，把機器人從實驗室一步步帶到真實世界，用每一次調試、每一次改進、每一次在嘲笑聲中的重新站起，鋪就一條通往未來的道路。

現(xiàn)在的技術或許還稚嫩，但就如同 2012 年那場 ImageNet 比賽，冠軍獲得者的錯誤率也高達 28%，但就是這樣一個幾乎“所有人都失敗”的賽場里，一個被質疑“走過時路線”的教授，帶著他的學生提交了一套沒人太看得上的模型—— AlexNet。

當時的人們，誰能想到，一個全新的深度學習時代正是在這樣的起點開始？

或許多年以后，人們也會想起這個冬天，有一群研究者在布滿青苔的臺階上，走出了關鍵的一步又一步。

— @人間像素 —

作者 / 唐云路

版式 / Alice