翻车是真的，希望也是真的。
在香港中文大学那里，有一处位于山间的小道，小道旁有流水潺潺的小桥，树的光影呈现出斑斑驳驳的样子，青苔附着在那陡峭且连绵不断的石梯之上。
无人机视野下500 米的定向越野路线。
一辆人形机械装置越过了有着三十度倾斜角度的小桥，踏上了一段石头铺成的道路，迈进了两段由台阶组成的路段。费尽周折才抵达了一个呈现九十度弯曲的转角处，其重心突然出现偏移，以面部朝上的姿态倒了下去。
全程 500 米的定向越野，它只能走完开头。
到了90度分叉路口，就躺平罢工。
第二天，它又出现在大学的岭南体育场，尝试户外分拣垃圾。
那块草地秃噜了，当中的每一步，都好似踩进了人生的陷阱，在还没法碰到桌上所放置的垃圾之际，就一下子扑通倒地了。
于第五届 ATEC 科技精英赛之处，此乃全球首个全自主、全真实户外场景的机器人竞技场，类似画面持续不断地上演着。机器人离开了遥控器，并且走到了户外的状况下，它还可不可以工作？
实际上，跳舞，进行空翻，呈奉咖啡，这般所谓的「展台神迹」向来都并非是真实的水准。一旦脱离温室以及遥控器，一块光秃的草地，一只平常的水壶便能够瞬间将它们「击败」 。
一乘尼奥，别说叫它亲自去洗碗，就连把那些干干净净的锅、碗、瓢、盆呀放进能够自动清洗餐具的洗碗机里头，都相当困难。
之前的两三年时间里，大众普遍过高估计了人形机器人的通用能力，好多人叫嚷着，它们会走入家庭，去承担家务，“这件事情绝对是被高估的”，ATEC 2025专家委员会主席、香港工程院院士刘云辉觉得，“五年之内达成都是挺困难的” 。
然而，“丢掉遥控器”并非是未来能够加分的项目内容，反而是具身智能能不能切实实现着落的必然选择项。
一些参赛选手这么讲，针对机器人而言，其所应施展效用之处，乃是那种人类自身无法完成或者不太适宜去完成的事务范畴，于这类特定场景当中，不存在任何人能够借助遥控器来替机器人进行判定的情况，句号。
必须将遥控器丢弃，这并非特别困难。刘云辉表明，从技术的路径方面而言，感知与决策是重点所在。机器人可不可以准确地看见周遭世界？可不可以自行决定接下来要如何去做？
刘云辉院士（左）在观看自主浇花的比赛。
感知之困
人类耗费5.4亿年进化出感知智能，目的是理解三维世界并与之展开沟通、互动，当下，这种感知智能正给具身智能带去困扰。处于岭南体育场时，阳光成为致使机器人频繁翻车的罪魁祸首。
七点的清晨，场地被阴影所笼罩，一小时之后，光照显著增强，中午时分，阳光直射，人类选手连电脑屏幕都无法看清 。
深度相机包括如RealSense这类的，其主动光结构在强光的状况下几乎会失效，透明形态的矿泉水瓶在机器人视野里宛如处于隐身状态，机械臂依旧如常伸展过去，结果是直接将水瓶撞落掉了。
终于抓住啦。
需进行的浇花任务，同样是面临着诸多困难，重重叠叠的那种。黄色的水壶，被太阳晒得呈现出发白的样子，白色的桌面，又有着强烈的反光情况，这就致使点云形成严重的散射现象，进而造成抓取动作一次次地失败。并且在 3D 识别这个环节当中，那 6 朵形状并不规则的白色假花，本身就属于高难度的目标对象。原本规划着要自主去完成任务的队伍，没办法之下只能选择进行遥操，以此来延续任务的推进。
选手遥操人形机器人拿水壶。
去进行吊桥穿越这件事，同样是没法让人省心的，视觉定位遭遇阳光干扰而出现偏差，致使机器人朝着吊桥边沿一步又一步地趋近，最终踩空然后跌落下去，。
机器人走偏后，踩空，掉下桥。
如今，机器人的移动令人惊叹，其视觉令人惊叹，其导航也令人惊叹，然而，其操作能力却依然相对原始。英国皇家工程院院士Darwin Caldwell说，他是意大利技术研究院（IIT）创始人，也是IEEE会士。
为什么操作这般困难呢？原因在于，移动的底层存在难题，其本质是「站稳 + 迈步」 。所涉及的物理变量相对固定，并且能够在仿真里完整构建，大规模强化学习所以收敛速度很快，进展十分迅速。
操作任务涉及的变量，却极其复杂——
先是透明与反光，接着是材质差异，然后是颜色变化，再是光照波动，就算只是抓香蕉以及抓矿泉水瓶，对于机器人而言，那都是截然不同的任务。
更为关键之处在于，现今的机器人缺乏实际的物理信息，其触觉反馈接近于零。然而在人类的操作行为当中，触觉与视觉同样具备重要性。
这同样是为什么，ATEC 在垃圾分拣任务里挑选玩具香蕉，它质地软，能够发生形变，然而却不会被机器人捏坏，保持完整。
即便如此，可是有两组四足机器人团队仿佛是拥有无敌技能，完全依靠自己搞定了垃圾分拣以及吊桥穿越，成功通关。
在分拣任务期间，浙江大学wongtsai赛队并未借助大模型，而是回归到「传统视觉 + 几何」这条老牌路径，并且将其雕琢至极致 。
存在这样一种情况，在吊桥穿越尚未开始之前，他们便已于模拟器当中，将真实场景进行了高度还原，具体是怎样做的呢？其一不仅对吊桥的结构予以了复刻，其二还针对RealSense在户外有可能会碰到的各种各样的噪声进行了模拟，诸如视差误差、散斑点云以及纹理缺失等等，并且sim2real的部署过程十分顺利。
智能决策之难：20 岁身体，3 岁智商
不少机器人从业者都说过类似扎心的真话。
于开放环境当中，使得机器人自行从桌上拿取一瓶水都是颇具难度。哪怕是稍微复杂那么一点儿的操作，全都依赖遥操或者同构臂才行哟。
可我们打算外包出去的那些家务，哪一项不是长链任务跟工具使用结成的组合呢？做早餐并非仅仅是煎个鸡蛋而已呀，而是有着一整套流程的：要先去找锅，接着把火打开，随后准备好材料，再将材料放入锅中，然后装盘，最后还得去洗碗……
对于要让机器人去做这件事而言，它必然得拥有一个具备规划能力、会做出决策、拥有记忆功能的大脑。然而，多数当前的机器人仅仅有着“20岁的身体，3岁的智商”。
ATEC2025赛事组的专家里，负责松灵机器人具身智能部门的谢志强，在直播当中举了一个例子，这个例子是扫地机，扫地机能自主进行移动，然而一旦出现被卡住的情况，就只会等待人类前来救援 。
这同样是致使自主浇花令一连串机器人陷入困境的缘由所在，毕竟任务链条着实过于冗长了，——。
寻得水壶，而后拿起，接着开启水龙头，随后承接水流，再将龙头关闭，进而寻觅花盆，之后用以浇花，最后放置回原本所在之处。
与单步抓取、视觉分类相比较而言，它所考验的是机器人是不是真的具备长程任务的能力。其结果是，不存在能够做到全自主的机器人。
浙江大学生 wongtsai 赛队告知我们，在实验室里存在着还能够进行泛化的 VLA（视觉 - 语言 - 动作）模型，然而呢，一旦将其放置到真实场景当中，它就无法起效了。
大模型具备听懂图像与指令的能力，然而却没办法真正去理解物理世界的那些细节，比如说抓水壶以及浇花，其精度是完全达不到要求的，所以呢，他们作出了选择，选择了遥操。
浙江大学wongtsai赛队，借助遥操这种方式，达成了自主浇花的占据大比例的子任务。
有队伍进行混合模式的尝试，先是借助遥控器将机器人移动到最佳位置，而后让机械臂自行完成抓壶、接水以及浇花的操作。
退一步来论，哪怕是这样，只要流程里的某一个环节发生了异常状况，那么那机器人的脑子就没办法灵活运转了。
例如，手拿水壶打开水龙头，万一卡住，就会一直停在那里。
香蕉，作为垃圾分拣里的道具，在暴晒之后，会出现发生不可逆形变的情况，有的机器人，明明已经夹住了它，却仍旧坚持判定为失败。
各出奇招，用水壶撞开水龙头。
在定向越野中成绩曾一度处于领先位置的机器人，出现了失控状况，在该户外竞技运动比赛的最后一段路程里，它反复地掉进同一处排水沟，并且没办法自行调整自身状态，最终只能切换回远程操控模式 。
最有意思的是，吊桥穿越。
那机器人先是跨越了5cm的缝隙，接着又跨越了10cm的缝隙，最终却迎面碰上了一道50cm的间隙。
刘云辉解释说，机器人要自己做思考，要自己做决策，比如拿起板来填充然后改变环境，进而适应自己的运动，这不再是简单的行走，而是包含了环境评估的高级智能行为，是包含了工具使用的高级智能行为，是包含了任务规划的高级智能行为。
结果，四足机器人根本不考虑这些复杂操作，直接跳过去。
供双足行走的机器人，起初凭借物理外挂艰难地挨过前面两条较小的缝隙。待发展至五十厘米宽的大间隙处时，极有可能将拉绳碰落，而后在原地静候救援。
各种物理外挂登场
这台双足机器人成功拿住了绳子，移动木板，迈过去了。
豪华的大模型，毛坯的硬件
跟当下的主流走向相同，今年参与竞赛的队伍的系统架构，多数运用「大模型外加小模型」协同的模式：
高层语义理解、任务拆解以及策略规划由大模型着手负责，前端感知、运动控制等即时执行则是小模型所面向的，两者依靠管线化以及反馈回路达成闭环效果 。
但随之而来的现实问题是——
一台机器人身上，同时挂着CPU，同时挂着GPU，还同时挂着NPU等一堆异构算力，要怎么把它们，挤进一块体积足够小的板子里，还要把它们，挤进一块功耗足够低的板子里，并且还能使它们高效协同呢 ？
赛队wongtsai所属的浙江大学杰出而且出色地完成了三类任务，这三类任务之中包含定向越野任务呢，并且完成方式全程全自主，其端侧装置配备奢华贵重堪称豪华。
三台小电脑被他们给机器人挂上了，一台Intel NUC用作主控，两块英伟达算力板（大小不同各一块）运行不同规模的神经网络，像是借助Segment Anything来进行图像分割 。
可是，若要对更为大容量的模型进行推理支撑，那么算力明显是不足够的，存在延迟程度较高的现象，其所消耗的电量也是比较大的。
浙江大学wongtsai赛队，接受了采访，在谈到15万美金奖金时长，队长仅仅用一句话，便进行了总结，那就是先去偿还债务，补贴昂贵设备所需要的成本 。
队伍当中的成员也表示，若要切实朝向走向现实世界的方向，那么机器人必然得具备能够顺着形势而行动的自适应能力。在进行定向越野期间，脚不会与石头以硬碰硬的方式接触；当进行浇花操作时，身体会按照水壶重量产生的变化，适时地对重心作出调整。
这一切均對整机的力控能力以及自适应控制构成考验。并且呢，要于复杂场景里开展这种具备高质量的感知与 contro了，当下的算力以及本体均存在一定差距。 。
指出的是，在ATEC2025赛事组中，身为专家的卡里法大学自主机器人系统教授，同时也是机器人感知研究负责人的Jorge Manuel Miranda Dias表明，存在着一个巨大的问题，那便是漂亮 Algorithm 没办法内在运行于机器人里。而要使得机器人身体能够承受其大脑智能，关键之处在于低功耗、高性能的专用芯片以及轻量化模型。
翻车是真的，希望也是真的
有一件有趣的事，在比赛之前，有不少人觉得机器人要完全独立自主地跑完定向越野，几乎是不太可能的，ATEC2025赛事组的专家，香港中文大学机械与自动化工程学系的教授兼系主任，新加坡工程院院士陈本美，甚至还放出了“豪言”，要是真的有人能够做到，那么香港的餐厅任由对方去挑选，他会请客。
结果比赛第一天，就有两台四足机器人完成了全自主定向越野。
具备500米级自然地形导航能力，信号存在较差状况，有多条狭窄的梯子呀，还有诸多弯道呢，并且存在强光扰动等情况，在成熟RL控制器进行支撑的情形下，仅仅依靠自身的传感器去构建地图，去完成定位，去稳定地前行 。
刘云辉持有这样的看法，即机器人若要切实进入人类生活的世界，那就必须同时拥有三种能力，分别是：能够行走，能够进行操作，能够对环境加以改造。在过去的十年时间里，四足机器人于“能够行走”这个维度已然存在了质的改变。可是，“能够进行操作、能够对环境加以改造”依旧存有极大的研究范畴。
跟四足机器人比起来，双足机器人以及人形机器人还有更为漫长的路程要去行走，双足形态的重心是比较高的，其支撑面是比较小的，平衡方面、力控方面、地形适应方面都要比四足复杂艰难得多，甚至于在行走的过程当中去完成操作更是难上加难。
它们所需要面对的，是这样一种技术坡度，它更为陡峭，然而却又更加贴近未来的生活场景 。
双足、人形机器人面临的挑战，比四足机器人多得多。
车子翻倒这事儿挺平常的，车子翻倒也可以算作是一种向前发展取得进展。刘云辉讲道。要是不存在失败这种情况，那么也就始终不会有获取成功的可能性。
正因如此这般缘故，ATEC组委才致使机器人直面真实世界范畴之内的扰动情况。所设计的每一道题目，并非追求使其完成得呈现看似美观的状态，而是针对这三大能力展开系统层级的验收举措，促使它于碰撞期间暴露出真正潜藏的弱点来。
毕竟，只有真问题，才能让行业知道下一步要突破什么。
机器智能与物理世界深度融合，这注定是AGI的未来，蚂蚁集团技术战略部负责人作为赛事发起单位之一表示，AI必须从数据认知走向环境交互以及行动执行，大家正期待下一次具有真正意义的技术突破 。
