今天，機(jī)器人和自動(dòng)化領(lǐng)域的全球頂級(jí)會(huì)議ICRA 2025在亞特蘭大正式拉開帷幕。

不久前，機(jī)器人領(lǐng)域的頂級(jí)賽事——ManiSkill-ViTac 2025也公布了獲獎(jiǎng)團(tuán)隊(duì)名單。

5月23日，ManiSkill-ViTac 2025的成果將在ICRA 2025第六屆ViTac國際研討會(huì)中集中匯報(bào)。

據(jù)主辦方統(tǒng)計(jì)，本屆賽事吸引了來自清華、北大、港大、新加坡國立大學(xué)、穆罕默德·本·扎耶德人工智能大學(xué)等42支全球頂尖團(tuán)隊(duì)同臺(tái)競(jìng)技。

最終包攬三個(gè)賽道金牌的贏家，是來自國內(nèi)的兩家具身初創(chuàng)公司。

其中，拿下「純觸覺操控」和「觸覺傳感器設(shè)計(jì)」兩個(gè)賽道金牌的是原力靈機(jī)Dexmal。

這家剛成立不久就獲得2億天使輪融資的黑馬企業(yè)，核心團(tuán)隊(duì)出身于老牌AI企業(yè)曠視科技，并且具有超過10年的AI原生產(chǎn)品規(guī)模落地經(jīng)驗(yàn)。

拿下「視觸融合操控」賽道的冠軍它石智航，幾乎與原力靈機(jī)同時(shí)宣布了天使輪融資，憑借1.2億美元的融資額創(chuàng)造了中國具身智能行業(yè)最大天使輪新紀(jì)錄。

三大賽道，三塊金牌，不僅讓大家感受到了具身智能在細(xì)分領(lǐng)域有多「卷」，更是體現(xiàn)了中國在機(jī)器人操控領(lǐng)域的國際領(lǐng)先實(shí)力。

機(jī)器人界「奧賽」

視觸覺融合大挑戰(zhàn)

在人工智能的版圖中，具身智能與AI 1.0時(shí)代和如今炙手可熱的LLM，有著本質(zhì)的區(qū)別。

AI 1.0聚焦于模式識(shí)別，大模型擅長處理文本等多元信息。

具身智能則直面物理世界，追求讓機(jī)器人像人類一樣感知、思考并與環(huán)境交互。

這種「身體與智能」的結(jié)合，不僅需要算法的突破，還要求硬件設(shè)計(jì)、場(chǎng)景適配和多模態(tài)感知的深度協(xié)同。

另外從衡量標(biāo)準(zhǔn)來說，不同于AI 1.0時(shí)代產(chǎn)學(xué)研在CVPR的華山論劍；也不同于大模型行業(yè)在OpenCompass，Eval等Benchmark上的百家爭(zhēng)鳴。

具身領(lǐng)域的基準(zhǔn)相對(duì)稀缺分散，且挑戰(zhàn)重重。

它不僅需要模擬復(fù)雜的物理交互、開發(fā)高精度硬件，甚至在真實(shí)場(chǎng)景中驗(yàn)證算法的魯棒性，這使得相關(guān)賽事的門檻極高，玩家數(shù)量也更少。

隨著具身技術(shù)日趨成熟，競(jìng)爭(zhēng)越來越激烈，其細(xì)分領(lǐng)域的挑戰(zhàn)賽熱度也在升溫。

當(dāng)前，公眾往往更關(guān)注機(jī)器人的運(yùn)動(dòng)性能，比如靈活的機(jī)械臂或靈巧的步伐，但在實(shí)際應(yīng)用中，視覺觸覺等多模態(tài)感知的融合對(duì)機(jī)器人發(fā)展至關(guān)重要。

為了促進(jìn)機(jī)器人獲得像人類一樣的操控技能，ManiSkill基準(zhǔn)測(cè)試應(yīng)運(yùn)而生。

自2022年首屆于ICLR舉辦以來，ManiSkill挑戰(zhàn)賽已成為具身智能領(lǐng)域的「金字招牌」。并在2024年引入「視觸覺」融合專題（Vitac），以彌補(bǔ)傳統(tǒng)視覺主導(dǎo)方案的不足。

運(yùn)動(dòng)能力可以讓機(jī)器人「動(dòng)起來」，比如近來比較火的擎天柱熱舞視頻，而多模態(tài)感知?jiǎng)t賦予其「看懂世界，摸清環(huán)境」的智慧。

尤其是，在需要精細(xì)操作的場(chǎng)景中，視覺觸覺協(xié)同作用決定了機(jī)器人的使用價(jià)值。

然而，在許多現(xiàn)實(shí)場(chǎng)景中，它們的表現(xiàn)仍不如意。

比如，在抓取不規(guī)則物體、執(zhí)行毫米級(jí)精度的操作，或處理柔性材料時(shí)，機(jī)器人常常因感知不足而失敗。

英偉達(dá)高級(jí)科學(xué)家Jim Fan在紅杉的閉門演講中，將其稱之為「物理圖靈測(cè)試」。演講過程中，他展示了一個(gè)機(jī)器人提供VIP早餐服務(wù)的翻車視頻，引全場(chǎng)爆笑。

一個(gè)再普通不過的生活場(chǎng)景，機(jī)器人為啥就搞得一團(tuán)糟呢？

這是因?yàn)椋?dāng)前機(jī)器人領(lǐng)域的研究主要依賴視覺感知，通過攝像頭捕捉環(huán)境信息，并進(jìn)行決策。

但視覺主導(dǎo)的方案，在接觸密集場(chǎng)景中存在著明顯的局限性，比如遮擋、光線變化、物體透明度，都會(huì)干擾視覺數(shù)據(jù)。

與此同時(shí)，那些缺乏觸覺反饋的機(jī)器人，更是難以感知接觸力、表面紋理或物體剛性等關(guān)鍵信息。

這導(dǎo)致了，機(jī)器人在醫(yī)療手術(shù)、精密裝配、復(fù)雜物流分揀等場(chǎng)景中，難以達(dá)到人類水平的操作能力。

ManiSkill-ViTac視觸覺融合挑戰(zhàn)賽的誕生，恰恰填補(bǔ)了這一技術(shù)空白。

主頁地址：https://ai-workshops.github.io/maniskill-vitac-challenge-2025/

它由清華、UCSD、倫敦國王學(xué)院等頂尖機(jī)構(gòu)聯(lián)合主辦，聚焦于視觸覺融合技術(shù)，以拓展機(jī)器人在復(fù)雜操作任務(wù)中的能力邊界。

與歷屆ManiSkill賽事不同，ManiSkill-ViTac提供了觸覺物理仿真平臺(tái)并搭建了現(xiàn)實(shí)世界的測(cè)試平臺(tái)，是全球范圍首個(gè)結(jié)合視覺與觸覺的公開賽事。

ManiSkill-ViTac 2025的意義遠(yuǎn)超學(xué)術(shù)競(jìng)賽，它為機(jī)器人行業(yè)提供了從實(shí)驗(yàn)室到現(xiàn)實(shí)應(yīng)用的橋梁。

它將推動(dòng)觸覺 - 視覺融合算法的進(jìn)步，加速改進(jìn)觸覺傳感器設(shè)計(jì)，為豐富接觸的操作任務(wù)建立基準(zhǔn)。

在42支全球參賽團(tuán)隊(duì)中，中國團(tuán)隊(duì)的表現(xiàn)尤為亮眼。

以原力靈機(jī)為代表，不僅在算法研發(fā)上取得了突破，還通過「算法+硬件+場(chǎng)景」的系統(tǒng)創(chuàng)新，推動(dòng)技術(shù)快速落地。

中國隊(duì)奪三金

憑什么？

在純觸覺操作賽道（Track1）中，原力靈機(jī)Dexmal團(tuán)隊(duì)直面機(jī)器人操控的終極難題：

如何在完全沒有視覺輔助的條件下，僅憑觸覺完成高精度的操作？

根據(jù)介紹，Track1要求機(jī)器人通過觸覺傳感器，完成將軸體插入毫米級(jí)孔洞的復(fù)雜任務(wù)。

這不僅需要其精準(zhǔn)解析軸體輪廓的種種特征，還要依據(jù)接觸反饋構(gòu)建起準(zhǔn)確的空間坐標(biāo)系。

傳統(tǒng)方案大多依賴RL，但受限于觸覺數(shù)據(jù)的低維度和高噪聲，成功率僅為14.81%，且因接觸力失衡，傳感器常因過度受力而損壞。

為此，Dexmal團(tuán)隊(duì)提出了創(chuàng)新的「雙范式學(xué)習(xí)框架」，將專家知識(shí)與智能學(xué)習(xí)巧妙結(jié)合。

首先，他們利用專家示范數(shù)據(jù)，對(duì)策略網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練，讓機(jī)器人快速掌握空間探索的基本能力。

隨后，團(tuán)隊(duì)引入模仿學(xué)習(xí)生成動(dòng)態(tài)獎(jiǎng)勵(lì)函數(shù)，為RL的每一步微觀操作提供精準(zhǔn)、實(shí)時(shí)的反饋引導(dǎo)。

這種分層遞進(jìn)學(xué)習(xí)的策略，就像為機(jī)器人裝上了雙「無形的眼睛」，讓其在無視覺輔助這一苛刻條件下，依然能夠精準(zhǔn)定位孔洞位置。

這一方案的真實(shí)效果，令人震撼。

在仿真測(cè)試中，Dexmal混合算法將成功率提升了2-3倍，遠(yuǎn)超單一強(qiáng)化學(xué)習(xí)的方案。

更重要的是，在真實(shí)機(jī)器人驗(yàn)證環(huán)節(jié)，Dexmal方案憑借大幅領(lǐng)先的比分，充分彰顯了其在純觸覺賽道領(lǐng)域的強(qiáng)大競(jìng)爭(zhēng)力。

而在觸覺傳感器設(shè)計(jì)賽道（Track3）中，原力靈機(jī)Dexmal團(tuán)隊(duì)再次展現(xiàn)了技術(shù)前瞻性。

觸覺傳感器，作為機(jī)器人「觸覺」的核心硬件，長期面臨成本高、制造復(fù)雜、性能不穩(wěn)定的難題，行業(yè)仍處于探索初期。

Dexmal團(tuán)隊(duì)以經(jīng)濟(jì)性與高效性為核心目標(biāo)，從傳感器結(jié)構(gòu)到數(shù)據(jù)處理進(jìn)行了全鏈條優(yōu)化。

首先，他們重新設(shè)計(jì)了傳感器的幾何形狀，使其能自適應(yīng)非均勻應(yīng)力分布，輕松應(yīng)對(duì)不同任務(wù)需求。

其次，團(tuán)隊(duì)優(yōu)化了四面體網(wǎng)格，力求在計(jì)算精度與實(shí)時(shí)性之間達(dá)成平衡。

最后，他們優(yōu)化了標(biāo)記點(diǎn)的分布，兼顧空間分辨率與信號(hào)魯棒性。

為了驗(yàn)證設(shè)計(jì)效果，團(tuán)隊(duì)對(duì)傳感器的空間分辨率、計(jì)算效率和算法協(xié)同性進(jìn)行了全面測(cè)試。

結(jié)果顯示，新設(shè)計(jì)不僅讓算法性能顯著提升，還有效降低了成本。

這種「高性價(jià)比」的方案，讓Dexmal團(tuán)隊(duì)在比賽中一舉奪魁，或許將為觸覺傳感器的規(guī)模化應(yīng)用打開了大門。

通往AGI

必須要翻越具身的高山

與語音、文本等模態(tài)不同的是，觸覺信息就是物理世界的「原生數(shù)據(jù)」。

它不僅對(duì)具身智能至關(guān)重要，更是實(shí)現(xiàn)AGI的關(guān)鍵一環(huán)。

觸覺，可以讓機(jī)器人能夠感知物理紋理、力反饋、材料特性等，提供視覺無法捕捉的信息。

它為機(jī)器人與現(xiàn)實(shí)世界的深度交互提供了可能。另一方面，視覺則可以為全局環(huán)境的理解提供支持。

兩者的融合，不僅可以提升機(jī)器人對(duì)環(huán)境的感知魯棒性，還為跨場(chǎng)景、跨任務(wù)的泛化能力奠定了基礎(chǔ)。

作為賽事主辦方代表，清華大學(xué)助理研究員陳睿博士表示：

多感知模態(tài)融合在機(jī)器人領(lǐng)域有非常大的應(yīng)用價(jià)值。我們舉辦挑戰(zhàn)賽的初衷是希望為業(yè)界提供一個(gè)平臺(tái)，共同推進(jìn)視觸覺融合技術(shù)的進(jìn)步。

未來，我們還計(jì)劃擴(kuò)展任務(wù)復(fù)雜性，比如納入語言模態(tài)，推進(jìn)視覺-觸覺-語言多模態(tài)大模型發(fā)展。也希望能夠有越來越多的優(yōu)秀團(tuán)隊(duì)能夠參與進(jìn)來。

相比如火如荼的LLM，機(jī)器人直接作用于物理世界，是AGI必須要翻越的高山，也是解決未來生產(chǎn)力難題的核心。

只有將觸覺視覺無縫融合，才能提升機(jī)器人精細(xì)操作的能力。

前段時(shí)間，老黃在接受采訪時(shí)表示，人形機(jī)器人將是一個(gè)價(jià)值50萬億美元的產(chǎn)業(yè)。當(dāng)前，全球機(jī)器人市場(chǎng)正處于爆發(fā)前夜。

未來，它將為工業(yè)、醫(yī)療、物流等領(lǐng)域的智能化轉(zhuǎn)型，注入全新動(dòng)能。

也就是說，這一領(lǐng)域技術(shù)突破和落地，將為全世界帶去的價(jià)值不可估量。

中國團(tuán)隊(duì)在賽事中的卓越表現(xiàn)，彰顯了其在全球AI和機(jī)器人領(lǐng)域的引領(lǐng)地位。

奪得雙金的Dexmal團(tuán)隊(duì)表示，團(tuán)隊(duì)日前還參加了CVPR 2025協(xié)作智能Workshop核心賽事之一——RoboTwin，并在第一輪仿真平臺(tái)賽中斬獲并列第一。

目前，他們正全力備戰(zhàn)第二輪比賽，結(jié)果將于6月底公布。

這些連連戰(zhàn)績(jī)，無疑為中國在具身智能領(lǐng)域的全球影響力，再添濃墨重彩的一筆。

圖片

ManiSkill-ViTac 2025的正式落幕，不僅是一場(chǎng)技術(shù)的巔峰對(duì)決，更是中國具身智能崛起的里程碑。

原力靈機(jī)和它石智航的耀眼表現(xiàn)，展現(xiàn)了中國團(tuán)隊(duì)在算法創(chuàng)新、硬件突破、場(chǎng)景落地的全棧實(shí)力。

他們用三枚金牌向世界證明：中國不僅是AI賽道上的追趕者，更是引領(lǐng)者。