点击下方卡片，关注【Xbotics具身智能实验室】公众号
更多具身干货，欢迎加入（戳我）
👉具身智能学习资料汇总：https://github.com/Xbotics-Embodied-AI-club/Xbotics-Embodied-Guide
👉具身智能求职/实习信息汇总：https://github.com/Xbotics-Embodied-AI-club/Xbotics-Embodied-AI-Job
你想要的这里都有~~
6 月 4 日，奥地利维也纳 ICRA 会场，REAL-I 挑战赛作业区内，几名学生围在电脑前调模型。赛台另一侧，人形机器人在杂乱料框中抓取、摆正日化瓶，完成本届难度最高的实操考题之一。参赛队伍远赴海外参赛，赛前未采集赛场工况数据。一群没有太多真机实操经验的学生，一天就要跑通数据模型后训练的评测全流程。
ICRA 作为机器人领域最重要的国际会议之一，官方赛事长期被视为行业技术风向标。过去赛事更多集中在仿真、小型平台或单项能力验证。REAL-I 是 ICRA 首次设立的全尺寸双足人形机器人真机工业任务挑战赛。这场ICRA新增的顶级赛事，标志着全球人形机器人产业风向开始向实景化落地转变。
一、把真实工业任务搬进赛场
赛事创新性将真实工业场景任务搬进赛场，共有来自新加坡国立大学、慕尼黑工业大学、清华大学、哈尔滨工业大学、南京大学、中山大学、北京邮电大学等国内外高校与科研机构的300支队伍报名参赛。赛事历时超半年，经仿真预选、真机测试、现场决赛三大阶段层层筛选。
赛事对标轻工、仓储和物流场景，设置金属件翻正、日化无序抓取、快递分拣三项任务，分别考验单臂操作、双臂操作和柔性操作能力。值得关注的是，此次比赛选手可提前通过跨国数据采集与训练系统获取赛场真机数据，并依托乐聚搭建的数据后训练与实时评测系统，高效完成小样本后训练。在奥地利赛场，无现场部署经验的开发者团队完成从后训练到评测的全流程仅需1天，同等工作量放在过去，资深工程师往往需要耗费 5～7 天反复调试，标志着面向陌生工况快速部署的后训练技术开始走向成熟。
整场赛事比拼激烈，冠亚军比分一度十分接近，最终来自新加坡国立大学的 NUS-CLEAR 队伍夺冠，斩获一台价值 7 万美元的全尺寸人形机器人。
二、具身智能要长大，得先把门槛降下来
当前，在校学生与初创研发团队受限于真实场景缺失、真机设备资源不足、高质量数据获取成本高、环境适配难度大等问题，大量算法成果只能停留在仿真阶段，难以完成真实场景落地。
乐聚自研后训练系统将以往依靠人工试错的工程环节模块化，开放覆盖3类主流工业场景、累计数百小时的真机标注数据集，配套完整的后训练算法库与“采集—训练—评测”工具链。依托这套体系，参赛队伍不用自行搭建环境、实地数采或适配异构硬件，可将精力完全聚焦于核心算法优化，依托平台预存数据集高效完成模型预训练。
此外，乐聚还在北京、苏州参与落地常态化实训基地，开放真机资源，以弥补高校重理论、缺实操的短板。依托乐聚训练场和后训练系统，大幅降低了人形机器人领域研发门槛，显著提升了算法模型后训练与真实场景落地的效率。
三、后训练不再单打独斗，开源平台为具身落地踩满油门
具身智能很难由一家公司独立完成。它连接本体、传感器、执行器、数据、模型、控制和场景应用，每一层都需要长期工程积累。当具身智能走向制造、物流、服务、家庭等不同行业，规模化用起来时。会需要大量的开发者、科研团队和初创公司参与进来。
过去的问题是入口太少。高校学生和早期团队可以在仿真环境里做算法，也可以在实验室里验证单点能力，但真正接触全尺寸双足人形机器人、进入真实任务场景的机会并不多。很多算法成果因此很难走完从模型到真机的最后一段。
REAL-I 提供了一个观察窗口。比赛显示，当真机平台、数据和后训练系统逐渐成体系，过去高度依赖工程师的部署环节，就有机会进入更短周期。对行业来说，降低真机开发门槛，正是在补基础设施。
乐聚这类平台型公司的价值也在这里。它们提供机器人本体，也把真机资源、数据和开发流程开放出来，让外部团队更快进入真机环境。对仍在早期的具身智能行业来说，这类工作越多，生态越容易长出来。赛后，乐聚还将为优秀团队提供资金、硬件、技术和创业孵化支持，让方案从比赛走向产业。
与此同时，比赛中形成的数据、任务场景、评测标准和工具链，也会继续沉淀到 OpenLET 开源社区。据悉，OpenLET 由开放原子开源基金会孵化、乐聚牵头建设，现已汇聚蚂蚁灵波、智源研究院、灵心巧手等 70 余家产业链上下游产学研伙伴。
比赛会结束，但数据、工具链和真机资源如果继续流动，更多开发者才有机会进入这个产业，从而加速产业的奔跑。
-END-
Ask Me Anything｜提问箱
❝对文章有疑惑，或想聊更深？欢迎把你的问题丢给我们：技术方案、实操踩坑、课程与资料、项目合作、职业发展，都可以问。
怎么问：在评论区留言，或私信公众号
我们会做什么：每周集中整理高质量问题并公开回复，重点问题邀请作者或嘉宾深度解答；典型问题会加入知识库并持续更新。
提问小提示：尽量说明「你的目标—当前做法—期望产出」，附上必要信息（硬件/软件版本、数据规模等），能更快获得有用答案。
一起把问题变成知识，推动社区进步 🚀
