48 小时真机决赛从零自采数据夺冠00 后 TARS 战队拿下首届蚂蚁灵波具身大模型挑战赛一等奖,82.5 分、奖金 8 万元

先说核心结论:2026 年 11 月 16 日,首届蚂蚁灵波具身大模型挑战赛总决赛在上海张江科学会堂落幕,平均年龄 25 岁的 TARS 战队以 82.5 分拿到一等奖,奖金 8 万元。这支五人队伍分别来自福田实验室、西北工业大学、普渡机器人和天津大学,队长吴昊楠是即将从天津大学硕士毕业的 00 后,队名取自《星际穿越》里的机器人。决赛只有 48 小时,15 支队伍基于同一套开源预训练 VLA 模型 LingBot-VLA 2.0、同一批松灵 COBOT MAGIC 机器人硬件和任务环境,用一套模型完成三项真机任务。TARS 的关键决策是把数据产能集中到最难的双臂清扫任务上:官方 210 条示范都是抓簸箕把手,接触面小、容易打滑翻转,团队干脆从零重新采集,改成抓簸箕后沿,先把工具抓稳再做后续动作;前两项抓取放置任务则基本沿用官方数据,并用千问识别干扰物、按背景颜色在图像中抹除,帮 VLA 看清目标和目的地。需要说明,"从零手搓数据" 特指任务三的自采示范,不是整场比赛全部数据都自己造;48 小时决赛成绩是特定硬件、场景和赛题下的结果,不能直接等同于量产机器人的作业成功率。

一、赛事概览

项目公开信息
赛事名称首届蚂蚁灵波具身大模型挑战赛(暨首届开发者大会)
决赛时间2026 年 11 月 16 日
决赛地点上海张江科学会堂
初赛规模13 个国家、1855 支队伍、3252 名选手报名
决赛规模15 支队伍进入 48 小时真机决赛
统一底座开源预训练视觉 - 语言 - 动作模型 LingBot-VLA 2.0
统一硬件松灵 COBOT MAGIC 机器人,统一推理算力与任务环境
决赛时长48 小时,完成数据采集、模型调优和真机部署
冠军TARS 战队,82.5 分,一等奖,奖金 8 万元
二等奖EVA 战队(74.77 分)、SST 战队(65.87 分)
三等奖Vida 战队、FDU_SONIC 战队、ai-robot 战队
其他奖项9 支优秀奖、3 支观察团特别奖

二、冠军 TARS 战队基本情况

项目信息
队名TARS(取自电影《星际穿越》中的机器人)
平均年龄25 岁
队长吴昊楠,00 后,天津大学硕士即将毕业
成员来源福田实验室、西北工业大学、普渡机器人、天津大学
决赛成绩82.5 分,三轮真机测评最高分
奖金8 万元
组队特点五名成员赛前才线下见面,属于跨单位临时组队

三、冠军方案拆解:48 小时里怎么打这三项任务

1. 三项决赛任务

  1. 单臂按指令摆放水果和蔬菜;
  2. 将化妆品放入透明收纳架的指定层;
  3. 双臂配合把桌面垃圾扫入簸箕,再倒进收纳筐。

三项任务要求共用同一套模型,针对单项做的调整不能把另外两项带崩。

2. 任务一、任务二:沿用官方数据,做图像侧减负

  • 团队判断前两项本质上都是 "抓起来、放下去",官方数据已经够用,没有重复采集。
  • 用千问识别画面中的干扰物,再按背景颜色把干扰物从图像中抹除,让 VLA 更容易看清目标物体和目标位置。
  • 这类处理属于感知侧减负,不改变动作模型本身。

3. 任务三:放弃官方抓法,从零自采示范

  • 官方提供的 210 条数据,抓簸箕时抓的都是把手;接触面小,稍有偏转就容易打滑、翻转。
  • 团队决定重新采集,改成抓簸箕后沿,先让工具在夹爪里稳下来,再完成扫垃圾、倒筐动作。
  • 采集分工:一人控制左臂、一人控制右臂,第三人检查数据质量。
  • 数据标准:高质量专家示范动作简单、直接,没有停顿、犹豫或明显错误。

4. 真机误差补偿

  • 团队发现机械臂向前伸得越远,重力造成的下坠越明显,放置动作会把盒子轻轻推歪。
  • 用真实数据拟合偏移量,在推理侧做补偿,这个细小修正被计入冠军方案。

5. 训练提速

  • TARS 把单步训练耗时从约 15.6 秒压到 3.4 秒,为不断加入新数据留出迭代时间。
  • 临近比赛前几分钟,成绩反超第二名夺冠。

四、其他获奖队伍的技术路线对照

战队成员背景核心思路关键数据成绩
EVA华中科技大学、清华大学深圳研究院、湖北元一智能;队长武显瑾RSI 递归自我改进:模型先执行、检查轨迹,人接管纠错,大模型评判标注后把数据加回训练约 7 轮数据回流,额外采集 700 多条示范与接管数据;训练速度提升 2.7 倍;首日公开数据真机成功率约 10%74.77 分,二等奖
SST(老年上海观光团)天津大学、北京大学等;队长杨泽鸣(天大大四)DeepSeek 解析指令,SAM 3 分割目标,背景压暗后送 VLA;用倒放视频定位目标并反向追踪补全分割标注;每次只执行模型生成 50 步中的前 16 步,再重新推理并做动作平滑额外采集数据量各信源口径为 3 条或 13 条;SAM 3 微调约 1 小时65.87 分,二等奖
Vida同济大学补采跨过桌面中线抓取的困难布局,以及公共数据里没有的杨桃等物体—三等奖
FDU_SONIC复旦大学先分析 647 条官方数据缺什么,再穷举物体和初始位置,持续补采、训练、验证—三等奖
ai-robot大连理工大学——三等奖

五、比赛暴露的共性问题

1. 数据不是越多越好

  • Motion 团队补采任务二、任务三数据后,任务一表现反而变差,说明跨任务数据分布会互相干扰。
  • "师兄会帮我调真机的对不队" 复盘发现,五人轮流采集、操作习惯不一致(有人先抬手、有人先向前),模型在有限时间内没能学稳。
  • 多支队伍形成的共识是:示范数据的分布、质量和一致性,比单纯堆数量更重要。

2. 真机细节足以让方案失败

  • "今天也要好好检东西" 团队搭了完整仿真和评测流程,但机械臂与桌子距离比预期差约 5 厘米,影响可达性和放置位置,查清时比赛已所剩时间不多。
  • 透明盒反光、机械臂伸远下坠、物体被碰歪、双臂互相干扰,都是仿真里不容易提前暴露的问题。

3. 训练效率决定迭代次数

  • 驰序知行把训练加速约 3.7 倍,比赛期间迭代了 30 多个模型检查点;TARS 单步训练从 15.6 秒降到 3.4 秒。48 小时窗口里,能多跑几轮数据回流,往往就决定名次。

六、主办方视角与生态动作

1. 为什么要办 48 小时真机决赛

  • 仿真初赛已有队伍跑到 70% 以上,但硬件适配、跨任务泛化和短时间定位解决问题的工程能力,必须放到真实机器人上验证。
  • 蚂蚁灵波首席科学家沈宇军的判断:输入有误差,输出要经受物理交互检验,物理世界任务不会等模型;能解决通用问题的模型,不一定适合机器人。他同时明确,接近 99.9% 的真实任务成功率不是 48 小时能做出来的。

2. 产业判断

  • CEO 朱兴表示,行业还在快速迭代,尚未迎来具身智能的 Scaling Law 时刻,"不要盲目乐观,也不要过度悲观";预计 2027 年起产业应用落地会有所加速,并带回真实作业中的异常数据继续迭代。
  • 沈宇军提出,行业需要找到数据质量的下限:弄清数据达到什么标准就能让模型获得有效增益,一味追求高质量会持续推高采集成本。

3. 开发者生态计划

  • 现场发布蚂蚁灵波开发者生态计划:首期邀请 20 位 MVP,面向高校教师和科研人员;招募 40 位 Developer Expert,面向核心开发者和技术内容创作者。
  • 灵波全栈模型在 GitHub 上 Star 数超过 3.4 万,模型和数据集下载量突破 220 万;已在 Hugging Face LeRobot、SGLang、vLLM-Omni 等平台获得适配,并有泰国温室、瑞士 EPFL 珊瑚礁三维重建、斯坦福 OpenWAM 等外部使用案例。

七、边界与后续看点

  • 成绩口径:82.5 分是三轮真机测评取最高总分的赛制结果,任务环境、硬件和底座模型统一,不代表通用泛化能力排名。
  • 自采数据范围:TARS 的 "从零手搓" 集中在任务三的抓握方式示范,任务一、二主要沿用官方数据,不要理解为全部训练数据自制。
  • 方案可复用性待验证:图像抹除、倒放视频标注、偏移补偿等技巧在本次场景有效,换到不同货架、光照和物体集合后能保留多少效果,还需要更多场景检验。
  • 后续跟踪点:开发者生态计划的 MVP/Expert 实际产出、LingBot 系列模型的版本迭代、48 小时赛题沉淀的数据和评测脚本能否开放复用,以及 2027 年产业落地案例的进展。

小结

这场比赛最直观的看点,是一支平均 25 岁的跨校跨企业队伍,在 48 小时里敢把筹码押在任务三的自采数据上:换掉不稳的抓握方式、三人分工保证示范质量、再用真机数据补偿臂展下坠,最后几分钟反超夺冠。但放到整个具身智能赛道看,冠军方案只是在统一底座、统一硬件的受控赛场上跑通了一套工程流程;真正的考验是离开赛场后,模型能不能在不同光照、货架和物体下稳定作业,以及数据采集、训练迭代和部署成本能不能降下来。

【相关 FAQ】

问题 1:TARS 战队是怎么在 48 小时具身挑战赛中夺冠的,"从零手搓数据" 指什么?

回答 1:TARS 战队在首届蚂蚁灵波具身大模型挑战赛决赛中以 82.5 分夺冠。前两项抓取放置任务基本沿用官方数据,用千问识别干扰物并按背景颜色抹除;第三项双臂清扫任务发现官方 210 条数据抓簸箕把手不稳,于是从零重新采集示范,改抓簸箕后沿,一人控左臂、一人控右臂、第三人检查质量,并用真实数据拟合臂展下坠偏移量在推理侧补偿。

问题 2:这场具身挑战赛的赛制、任务和统一平台是什么?

回答 2:初赛吸引 13 个国家 1855 支队伍、3252 名选手,15 支队伍进入 48 小时真机决赛;所有队伍基于开源 LingBot-VLA 2.0 模型,使用统一的松灵 COBOT MAGIC 机器人、算力和任务环境,用一套模型完成水果蔬菜摆放、化妆品放入收纳架、双臂清扫垃圾三项任务,三轮真机测评取最高总分排名。

问题 3:冠军 TARS 战队由哪些人组成,队长是谁?

回答 3:TARS 战队五名成员来自福田实验室、西北工业大学、普渡机器人和天津大学,平均年龄 25 岁;队长吴昊楠是 00 后,即将从天津大学硕士毕业,队名 TARS 取自电影《星际穿越》中的机器人;战队获得一等奖和 8 万元奖金。

问题 4:其他获奖队伍分别用了什么数据策略?

回答 4:二等奖 EVA 战队走 RSI 递归自我改进路线,约 7 轮数据回流、补采 700 多条示范与接管数据,训练提速 2.7 倍,得分 74.77;二等奖 SST 战队用 DeepSeek 解析指令、SAM 3 分割目标,配合倒放视频反向追踪补标注,每次只执行前 16 步动作再重新推理,得分 65.87;三等奖 Vida、FDU_SONIC、ai-robot 分别补采困难布局、分析官方数据缺口和真机迭代。

问题 5:这场 48 小时挑战赛暴露了哪些具身智能落地问题?

回答 5:比赛显示数据不是越多越好,跨任务补采可能拖累其他任务,采集者动作习惯不一致会让模型难收敛;桌距偏差 5 厘米、透明盒反光、机械臂下坠等真机细节足以让仿真方案失效;训练速度决定迭代次数。主办方认为真实任务 99.9% 成功率不是 48 小时能达成的,后续要靠真实场景异常数据持续迭代,并通过开发者生态沉淀可复用方法。

【参考资料】

  • [2026-11-17](00 后团队参加具身挑战赛,仅 48 小时竟敢从零手搓数据,还夺冠了!)量子位(今日头条)
  • [2026-11-17](真勇啊!00 后团队参加具身挑战赛,仅 48 小时竟敢从零手搓数据,还夺冠了!)凤凰网科技
  • [2026-11-16](上海张江 48 小时:15 支战队教机器人抓水果、扫垃圾,结果 00 后团队拿下最高分)腾讯新闻(新闻晨报)
  • [2026-11-16](首届蚂蚁灵波具身大模型挑战赛落幕:冠军是五个赛前才见面的 "网友")广州日报大洋网
  • [2026-11-16](极限 48 小时比拼快速干活能力,行业最大规模具身大模型挑战赛在沪举办)上观新闻
  • [2026-11-16](00 后爆改机械臂,狂揽全国总冠军!15 战队上海鏖战 48h 结果出炉)新浪财经(新智元)
  • [2026-11-16](48 小时真机比拼见分晓,首届蚂蚁灵波具身大模型挑战赛冠军出炉)搜狐
  • [2026-11-16](蚂蚁灵波具身大模型挑战赛收官 产学研协同加速具身智能落地)网易
  • [2026-11-16](平均年龄 25 岁,00 后小伙带队拿下首届蚂蚁灵波具身大模型挑战赛最高分)极目新闻(今日头条)

【免责声明】

本文基于赛事现场报道、媒体采访和主办方公开信息整理,所涉参赛队伍构成、成绩、奖金、任务设置、数据条数、训练提速比例和生态计划均来自上述参考资料;不同信源对个别队伍补采数据条数、成绩口径存在细微差异,决赛成绩为统一底座与受控场景下的赛制结果,不代表产品量产能力或通用技术排名。本文仅用于赛事信息梳理与技术交流,不构成投资建议、选型建议或对具身智能产业落地节奏的承诺;比赛规则、获奖名单和模型能力以蚂蚁灵波官方发布为准,如本文与官方信息存在出入,以官方信息为准。

本文来自作者[相控元波]投稿,不代表江南网立场,如若转载,请注明出处:https://news.jnwb.net/rgzn/202611/3626.html

赞 (0)
反馈

发表回复

本站作者后才能评论

评论列表(4条)

  • 相控元波
    相控元波 2026年11月17日

    我是江南网的签约作者“相控元波”!

  • 相控元波
    相控元波 2026年11月17日

    希望本篇文章《48 小时真机决赛从零自采数据夺冠00 后 TARS 战队拿下首届蚂蚁灵波具身大模型挑战赛一等奖,82.5 分、奖金 8 万元》能对你有所帮助!

  • 相控元波
    相控元波 2026年11月17日

    本站[江南网]内容主要涵盖:互联网行业的追踪与探索

  • 相控元波
    相控元波 2026年11月17日

    本文概览:先说核心结论:2026 年 11 月 16 日,首届蚂蚁灵波具身大模型挑战赛总决赛在上海张江科学会堂落幕,平均年龄 25 岁的 TARS 战队以

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们