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~~

Xbotics具身朋友圈 ，记录那些把机器人推向真实世界的人。

这场挑战的赛题由 ATEC 2026 赛题组共同设计，全球共同探索在真实世界的拷打下，机器人到底能做到什么程度。

张天霖：赛场不会给你第101次机会

关于ATEC2026，我们采访了比赛的赛题组成员张天霖，他对于“比赛”这件事的理解，源于他的经历。

大学时他参加的那个智能车比赛，工程师给了详尽的示例代码。跑不出最高分，但能让人看懂整个系统是怎么运作的——各个环节怎么衔接，问题出在哪儿，用什么东西去解决。后来他做研究、做赛题设计，始终记着这种感觉。

所以ATEC 2026设置了L0级别的入门赛题，给了充分的baseline和当前最主流的算法代码。“不是把门槛砌高，是把门打开。欢迎非科班、非AI背景的人参与进来。”

但门打开之后，考验人的东西才真正浮出来。

实验室和赛场，遵循的是两套完全不同的逻辑。发论文，成功一次就够了。你可以录一百遍，取最好的一次。赛场不是这样。30分钟限时，机器人要在陌生环境里稳定完成任务，花在维修和重试上的每一分钟，都是倒扣的成绩。

“在实际的机器人比赛当中，稳定性才是最重要的。”

这个落差，很多从AI领域转来做机器人的参赛者，第一次上场才会真正体会到。而另一个让张天霖感慨的事实是——“去年还发在Science Robotics上的任务，今年可能本科生就能完成。”工具链的成熟把技术门槛踏平了。但门槛踏平之后，人和人的差距就不再是谁会的工具多，而是谁能在有限时间内把整个系统调到稳定，谁能在出问题的时候知道该往哪个方向排查。

这才是比赛真正在筛选的能力。

如果只是把强大的工具直接套用，而不去适配机器人的具体问题，即使能跑通，往往也不是最优解。

聊到当下的行业热潮，“如果只看新闻，仿佛明天机器人就要占领世界了。”

两年前还有技术路线之争，传统方法派和AI派在会议上吵得不可开交。现在争论已经消失，端到端的效果摆在那里，上限确实高，这是客观事实。

问题在于，强大的工具，有时会让人低估了底层问题的复杂性。

举一个很容易理解的例子。用diffusion模型做机械臂的抓取，上限高，泛化性好。但在很多场景下，老师傅的IK解法在精度和效率上反而更香。不是因为diffusion不好，而是它没有跟机器人的具体结构做适配。“它能解决，但不能解决得更有效更好。如果不深入理解机器人本体的特性，即便工具再强，效率与精度也容易碰到天花板。”

ATEC的态度是开放的：无论你用传统方法还是AI方法，最终评判标准只有一个——在真实环境中，问题有没有被稳定地解决。

移动和操作，从一开始就不该被拆开

ATEC 2026设计了四道赛题，递进关系很清楚。

L0是基础移动与操作，提供主流算法和示例代码，让初学者也能上手。L1是桌面操作，表面考精细抓取，深层考的是“板载计算资源受限下的模型部署”——所有算法都在机器人自己的计算机上跑，不是云端。L2是移动抓取，要求机器人在一个区域内自主完成pick and place，把散落的物体捡到指定位置。L3最前瞻：路边有箱子，机器人得自己判断要不要用、用几个、推到哪儿去垫脚翻过障碍——这是对环境的理解和自主决策，不是预编程的动作序列。

四道题背后，藏着一个核心观点：移动和操作，从一开始就不该被拆开。

“它本质上是同一个东西。你手产生的力和你腿产生的力，在物理上没有区别。人通过腿走路，是对地面的操作；人用手抓取，是对物体的操作。只是现在的方法能力不够，我们才人为把它们切开。”等到全身控制能力真正成熟，没有人会再去区分这是移动任务还是操作任务。机器人就该用身体任何一个部位、任何一种形态来完成工作。

把山野拆成一堆参数，在你进山之前

12月比赛，现在还有半年。张天霖的建议很具体：把赛道环境拆成可量化的参数。

摩擦力的范围是多少？需要跨越的高度是多少？地形的组合有几种？时间怎么分配？这些都是公开信息。赛道所在的户外环境，Google Map和卫星图都能查到。选手不需要飞到去实地勘测，但必须在本地搭建一个最小验证系统。

硬件层，测散热、测电源续航、测峰值力矩能撑多久、测机械间隙受冲击后的变化。软件层，测感知模型在不同运动模糊程度下的失效边界、测控制带宽和噪声带宽能不能匹配、测端到端管线的整体时延和方差。每一层都要单独做完最小系统验证，再拼在一起做全系统测试。

“这不是刷榜。这是确保你的机器人不在赛场上死得不明不白。”

至于团队配置，他的回答出人意料：“一个人就够了。”

他半开玩笑地说，去年的类似工作，两个人就做出来了。工具链的成熟让单兵作战成为可能。但这恰恰意味着，比赛筛选的不是团队规模，而是一个人拆解问题、分析问题、在有限时间内把系统调到稳定的能力。你能不能把一个复杂的赛题拆成可验证的小目标，每一步都清楚自己在测什么、下一个该解决什么——这才是最稀缺的东西。

12月的山野在等待答案

“我们希望看到机器人能自主地、稳定地把一整道赛题跑完。人只需要在开始按下一个按钮，告诉它任务是什么，整个过程由机器人自己完成。”

前段时间Figure AI做的100小时分拣挑战——机器人在自主情况下几乎不出差错地跑满了整个任务，仅仅比人慢了一分钟。这是非常好的趋势，也是ATEC期望看到的方向：不是录一段demo，而是让稳定变成标配。

“我们想把机器人丢回它该去的地方，在户外、在泥地、在真实光照和温度下暴露所有问题。然后统计这些问题，公布出来，让整个行业看到——有哪些东西被我们刻意遗忘了。”

我们希望看到的不止是一段DEMO，而是让稳定变成标配，让真实世界的真实问题挑战投机取巧的答案。

如果你也在做机器人，或者对ATEC 2026有任何好奇和想法，欢迎在评论区留言。

我们很想知道：在你的经验里，机器人从仿真走进真实世界，最让你意外的那个瞬间是什么？

下期Xbotics具身朋友圈，我们会继续找到下一位有意思的人。

欢迎推荐，也欢迎自荐。有兴趣结识同行、聊聊技术的，可以扫码加群；有故事想聊聊的，也可以直接加我。

-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 🚀