機器人大賽聚焦“解決實際問題” 業內：理性包容“成長的煩惱”

證券時報記者 陳雨康

以“具身智能，未來已來”爲主題的2025張江具身智能開發者大會暨2025國際人形機器人技能大賽5月29日在上海舉行。2025國際人形機器人技能大賽設置5大賽道，覆蓋28個高難度場景，本次大賽旨在集中展示人形機器人解決實際問題的能力和場景應用落地能力，助力機器人產業向“能看、會說、有智商”進階。

國家地方共建人形機器人創新中心首席科學家江磊在接受證券時報記者採訪時表示，上海聚焦人形機器人在生產製造、服務場景中的實際應用，強調 “解決實際問題”。本次大賽設定商超、藥店、工業製造等真實場景任務，以場景驅動行業迴歸實用。江磊說，公衆需以包容的心態看待機器人行業發展現狀。行業的快速發展僅有3年左右時間，如同“三歲兒童”，需給予它更長的時間發育。

記者瞭解到，此次賽事的所有項目均源自企業實際需求，每個賽道都還原了真實應用場景，總體難度較大。因此，機器人未能完成任務並非其個別技術水平欠佳，而是全行業尚有提升空間，這也體現了大賽的客觀性和包容性。

在人形機器人應用場景挑戰賽進行時，記者看到，機器人正在裁判員的監督下完成汽車貼標、料箱搬運等高精度任務，另一側家庭場景則考驗機器人桌面整理、衣物摺疊等服務能力。這些任務，有利於驗證當下機器人的負載、地面適應、雙臂協作等關鍵能力的實際水準。

上海交通大學學生張林同團隊一起參加了工業場景賽，並聚焦汽車貼標和零部件上下料兩項任務。張林對證券時報記者表示，縱觀整場賽事，機器人多依賴遙操作實現物料抓取等動作，尚未實現全自主操作，這表明其離真正的落地應用仍有一定距離。

“機器人的自主行爲需通過訓練實現，但當前數據集缺失，且算法創新不足，難以支撐機器人對複雜任務的自主決策。此外，一些機器人的硬件自由度不足，表明機械結構、控制精度等也有進步空間。”張林表示，相比大語言模型的快速發展，具身智能（機器人物理交互）因涉及硬件、算法、數據等多維度挑戰，落地進度相對滯後。

近年來，機器人如何進入家庭、如何大規模入駐工業場景等正成爲公衆關注的焦點。對此，多名專家在接受證券時報記者採訪時表示，機器人產業需要和大模型有機結合，形成軟硬協同和多元場景落地，進而搭建起商業模式的正向閉環。

千尋智能（杭州）科技有限公司CEO韓峰濤在接受證券時報記者採訪時表示，目前，機器人硬件相對成熟，但機器人表現較“笨”，關鍵在於智能缺失，這也是行業的一大瓶頸。

“要解決這一問題，需打造端到端的具身大模型，讓機器人能理解物理世界的規律和因果關係，從而自主調整動作。比如，讓機器人理解足球並自主完成踢球動作，而不是當下的依賴遙控。”韓峰濤表示，中國憑藉強大的供應鏈、團隊和豐富場景，在AI與硬件結合方面頗具優勢。不過，其中最大的難題是數據匱乏。訓練大語言模型有互聯網海量數據可用，但機器人幹活的數據卻需要重新採集，目前主要通過海量視頻預訓練、遙操作微調以及強化學習來解決數據問題。

圍繞上述難題，光輪智能（北京）科技有限公司創始人、CEO楊海波提出了一定的解決方案。楊海波對證券時報記者表示，公司專注於爲AI進入物理世界提供基於仿真技術的合成數據，能通過合成數據加速AI大腦訓練及落地場景應用。

“仿真合成數據具有成本優勢，無需依賴真實場景搭建與硬件設備，資源投入更低，數據生成效率更高。此外，仿真合成數據是泛化的、多樣的，可自定義各類極端或罕見場景，滿足AI訓練對數據多樣性的需求。”楊海波表示，當前行業通過真實數據、仿真合成數據、網絡視頻數據共同用於具身智能訓練。公司積累了豐富的實踐經驗，形成了合成數據的使用方法論，包括配比和使用順序等。事實上，具身智能訓練階段90%以上使用仿真合成數據。