【量子位 2025年12月8日讯】当机器人离开实验室、直面真实户外环境的复杂挑战，谁能更胜一筹？12月6-7日，第五届ATEC科技精英赛线下赛在香港中文大学收官，这场以“无遥操、实景极端环境”为核心的挑战赛给出了答案——四足机器狗全面碾压人形机器人，浙江大学Wongtsai团队凭借全自主完成垃圾分拣、定向越野等四项任务的亮眼表现，摘得15万美元冠军大奖，上海交通大学IRMV、北京理工大学CyberPrime分获亚季军，且前三甲均为机器狗方案。
四大实景任务拉满难度：从垃圾分拣到吊桥穿越考验全能力
本届ATEC线下赛由香港中文大学主办，蚂蚁集团等联合承办，赛事专家评审团云集刘云辉、Masayoshi Tomizuka等国际顶尖机器人学者。不同于传统实验室赛事，本次比赛首次将机器人拉至户外真实场景，设置垃圾分拣、自主浇花、定向越野、吊桥穿越四大任务，且全程强调“自主优先”——遥操作越少、自主完成度越高，得分权重越大。
-
垃圾分拣要求机器人自主识别香蕉皮、透明塑料瓶、纸盒三类垃圾，并精准投放至对应垃圾桶，考验视觉识别与精细抓取能力；
-
自主浇花需完成“取壶-接水-浇花-归位”全流程，对空间定位与稳定操作提出高要求；
-
定向越野是最大难点，机器人要自主穿越拱桥、山地、陡梯等复杂地形，且需实现全局路径规划与长程稳定行走；
-
吊桥穿越则需通过三段间距不等的吊桥，第三段还需拉绳搭桥，挑战机器人路面适应性与工具使用能力。
赛前主办方曾预判这会是“翻车无数”的比赛，毕竟户外光照变化、风力扰动、地形不确定性等，都是实验室环境难以模拟的变量。但参赛队伍的临场应对超出预期：为过吊桥，有的给机器狗加装“大脚板”“雪橇”防止卡脚，上海交大IRMV团队更直接让机器狗跳过50cm空隙；浇花任务中，机器人更是使出横握、倒抓、夹持等五花八门的“拿壶姿势”，场面趣味十足。
四足机器人成最大赢家 人形机器人暴露多重短板
比赛结果呈现明显的“物种差异”：四足机器狗在所有任务中表现远超双足人形机器人，成为本届赛事的绝对主角。
从核心能力来看，人形机器人的劣势十分突出：一是地形适应性差，定向越野项目中，因重心高、触点少，在上坡、陡梯、碎石路等路段步履维艰，多次出现摔倒、卡顿；二是精细操作能力不足，浇花、分拣任务中，即便依赖遥操作辅助，也常因手部定位偏差导致抓取失败；三是控制链条复杂，其多关节结构带来的控制难度，让自主完成长程任务的成功率大幅低于机器狗。
反观四足机器狗，展现出极强的综合实力：浙大Wongtsai团队的机器狗不仅全自主完成垃圾分拣，还成为全场首个无遥操跑完定向越野的队伍；北理工CyberPrime团队的机器狗则实现了分拣任务的全自主闭环。更值得一提的是，浙大夺冠后还“凡尔赛”表示，比赛中仅用了基础方案，原本准备的更高难度预案并未启用。
赛事暴露行业核心痛点 指向具身智能未来方向
这场实景挑战赛不仅是技术比拼，更暴露了当前机器人技术在真实世界应用的四大核心短板，为行业发展指明方向：
1. 本体设计：软硬件协同需突破
部分队伍为提升稳定性给机器狗加宽脚板，却因未同步优化感知与步态控制，导致卡脚摔倒，凸显“硬件改装与软件适配”的协同难题。而四足机器人凭借结构优势，在移动与操作的平衡上更具先天优势。
2. 户外感知：环境扰动成最大变量
室外光照、风力等因素带来非线性难度跃升：透明塑料瓶因反光频繁识别失败，树荫下的光影交替干扰地形判断，甚至一阵风就能吹偏香蕉皮位置，打乱机器人抓取计划。相比室内，野外弱信号环境还要求机器人更依赖自身IMU、激光雷达的本地推理能力，这对感知算法鲁棒性是极大考验。
3. 任务规划：多步骤关联推理能力不足
多数机器人能完成单一动作，却难以实现多步骤逻辑衔接：比如能拿起香蕉却不知下一步投放，吊桥任务中几乎无队伍能自主完成“拉绳搭桥”，暴露出在环境改造与多任务关联推理上的明显短板。
4. 移动操作：全身协同控制缺失
当前多数队伍采用“上半身操作与下半身移动解耦”的架构，导致机器狗能自主行走，但机械臂、夹爪的关键操作仍需人工遥控。这一问题也印证了前沿VLA模型的局限性——现有技术多聚焦上半身操作，却难以实现“移动-操作”的端到端整合。
从演示可行到应用可靠 实景赛事牵引技术真进步
赛事专家委员会主席、香港工程院院士刘云辉表示，ATEC的初衷是通过极限挑战，推动机器人从“实验室演示可行”走向“真实场景应用可靠”。蚂蚁集团技术战略部负责人也指出，只有“真问题”才能牵引真进步——实验室里不会出现的光照扰动、地形偏差、风力干扰，恰恰是机器人迈向实用化的必经门槛。
本届ATEC线下赛的意义，早已超越赛事本身。它不仅证明了四足机器人在真实场景的适配性优势，更让行业清晰看到具身智能的核心突破方向：未来需攻克“全身协同控制”“户外鲁棒感知”“多步骤任务规划”三大难题，实现移动与操作的端到端统一。而这样的实景挑战赛，也为机器人测评体系提供了全新范式——比起切片式的实验室测试，真实世界的“碰撞与翻车”，才是技术迭代的最佳催化剂。
