星動紀(jì)元再度憑借具身大腦能力，問鼎全球具身智能權(quán)威榜單。

據(jù)IPO早知道消息，在近日舉行的全球具身靈巧操作難度頂尖的真機賽事——Benjie's Humanoid Olympic Games（以下簡稱Benjie's Olympics）中，星動紀(jì)元憑借自研VLA具身模型，一舉斬獲該賽事剝橘子、開鎖、翻襪子三項任務(wù)全球第一。

這不僅打破了Physical Intelligence（以下簡稱PI）此前保持的賽事紀(jì)錄，更以大幅優(yōu)勢創(chuàng)造全新的世界紀(jì)錄，星動紀(jì)元也成為該賽事唯一上榜的中國具身企業(yè)。這是星動紀(jì)元繼2月登頂世界模型權(quán)威評測WorldArena榜、斬獲具身任務(wù)全球第一（超越谷歌、英偉達）后，再度憑借具身大腦能力，問鼎全球具身智能權(quán)威榜單。

不妨補充一點，Benjie's Olympics由前Google資深機器人專家Benjie Holson發(fā)起，初心是提出真正能衡量機器人核心價值的評判體系——即“炫技表演” 走向 “實用落地”。該比賽被科學(xué)美國人雜志（Scientific American）認(rèn)為是機器人終極挑戰(zhàn)，直擊具身智能的核心命題——莫拉維克悖論：人類習(xí)以為常的日常感知與動作（如疊衣服、用鑰匙開鎖等），對機器人而言是極高難度的挑戰(zhàn)，而人類擅長的高階推理能力，機器人反而更容易實現(xiàn)。

本屆賽事共設(shè)置15項實戰(zhàn)挑戰(zhàn)，從基礎(chǔ)操作到復(fù)雜精細動作，按難度等級分為金牌任務(wù)、銀牌任務(wù)和銅牌任務(wù)，只有每項任務(wù)獲得第一，才能摘得對應(yīng)的獎牌。此外，比賽還規(guī)定，參賽選手的成績比上一個冠軍的成績至少提高25%，才算打榜成功獲得該項獎牌。Benjie曾預(yù)測，完成全部挑戰(zhàn)至少需要1年。

賽事匯聚了PI 、Sunday Robotics等全球頂尖具身智能公司，這也是PI唯一主動參與的賽事，其參賽所用的閉源模型（π*0.6），代表了PI大腦能力的最高水準(zhǔn)，賽事結(jié)果反映了當(dāng)前具身智能領(lǐng)域的最高水平。

近期，Benjie's Olympics正式宣布星動紀(jì)元在剝橘子、開鎖、翻襪子三大核心任務(wù)中，均以顯著優(yōu)勢超越前紀(jì)錄保持者PI。

Benjie's Olympics公布

星動紀(jì)元獲兩項金牌難度任務(wù)（剝橘子、開鎖）第一

Benjie's Olympics公布

星動紀(jì)元獲銀牌難度任務(wù)（翻襪子）第一

具體而言：

在剝橘子（金牌難度任務(wù)）中，要求機器人精準(zhǔn)區(qū)分果皮與果肉的細微視覺特征，實時跟蹤剝制過程中的果皮形變，要求視覺感知有極高的魯棒性——PI 成績：借助削皮刀工具， 2分46秒完成；星動紀(jì)元成績：首個實現(xiàn)完全無工具純手剝操作的團隊，純手剝1分47秒完成，速度提升35%

在開鎖（金牌難度任務(wù)）中，鑰匙孔為毫米級微小目標(biāo)，要求機器人精準(zhǔn)識別鑰匙孔的位置、角度，同時完成鑰匙的姿態(tài)理解，實現(xiàn)毫米級對準(zhǔn)，還需克服光照變化、金屬反光、視角偏差等多重干擾，對視覺感知的精度與魯棒性要求嚴(yán)苛——PI 成績：66秒完成；星動紀(jì)元成績：49秒完成，速度提升25%

在翻襪子（銀牌難度任務(wù)）中，作為檢驗?zāi)Ｐ图矣梅夯芰Φ暮诵臉?biāo)桿，該任務(wù)是柔性物體操作、樣本泛化、效率敏感的典型場景，襪子翻轉(zhuǎn)過程中會發(fā)生復(fù)雜、無規(guī)律的形變，要求機器人實時跟蹤形變，精準(zhǔn)區(qū)分襪子的內(nèi)外側(cè)、開口位置，對視覺感知、柔性物體跟蹤能力要求極高——PI 成績：1分33秒完成，176個樣本；星動紀(jì)元成績：比PI速度提升30%，120個樣本，樣本使用量少32%

值得一提的是，星動紀(jì)元自成立以來持續(xù)引領(lǐng)具身大腦全球研究范式

中國唯一，全球 1/4：ERA-42已實現(xiàn)全尺寸人形機器人全身及五指靈巧手精準(zhǔn)控制；其余三個為Figure Helix，特斯拉Grok及英偉達GR00T。

全球首提分頻VLA：2024年9月， 推出HiRT快慢分層架構(gòu)，通過latent向量連接70億參數(shù)世界模型與4000萬參數(shù)執(zhí)行模型；2024年10月到2025年3月，PI、Figure、Google、NVIDIA 相繼發(fā)布分頻VLA。

全球首個融合世界模型的具身大腦：2024年12月，發(fā)布融合世界模型的VLA算法框架 VPP（Video Prediction Policy，現(xiàn)已開源），將具身智能可用數(shù)據(jù)擴展至海量互聯(lián)網(wǎng)視頻數(shù)據(jù)，機器人得以理解“物理世界”，邊想邊做。

2025年10月，清華陳建宇團隊聯(lián)合斯坦福 Chelsea Finn團隊（PI聯(lián)創(chuàng)）提出可控生成世界模型 “Ctrl-World”—— 讓機器人在 “想象空間” 中完成任務(wù)預(yù)演、策略評估與自我迭代，將機器人在陌生場景下游任務(wù)平均成功率提升了44.7%。

2026年2月，清華陳建宇（星動紀(jì)元創(chuàng)始人）團隊和斯坦福 Chelsea Finn（PI 創(chuàng)始人） 團隊基于 Ctrl-World (兩個團隊的首個合作成果），再度攜手，聯(lián)合提出了 VLAW 框架，首次實現(xiàn)了 VLA 策略與動作條件世界模型的協(xié)同迭代優(yōu)化，讓兩者形成一個「互相促進的閉環(huán)」

?VLA 策略采集的真實交互數(shù)據(jù)，反過來用于提升世界模型的物理保真度；

?世界模型生成的高質(zhì)量虛擬數(shù)據(jù)，再用于持續(xù)強化 VLA 策略本身。

目前，具身大腦ERA-42已在物流、制造、商業(yè)服務(wù)等多個領(lǐng)域落地，形成了“場景越豐富，模型越智能” 的正向循環(huán)——在物流領(lǐng)域，可完成藥品、日化品、包裹的分揀及掃碼；在制造領(lǐng)域，重點突破“零部件抓取 - 高精度裝配 - 質(zhì)量檢測” 等場景任務(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，部分場景效率當(dāng)前達到70%。

本文為IPO早知道原創(chuàng)

作者｜Stone Jin