今天，機器人和自動化領域的全球頂級會議 ICRA 2025 在亞特蘭大正式拉開帷幕。

不久前，機器人領域的頂級賽事 —— ManiSkill-ViTac 2025 也公布了獲獎團隊名單。

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

據(jù)主辦方統(tǒng)計，本屆賽事吸引了來自清華、北大、港大、新加坡國立大學、穆罕默德?本?扎耶德人工智能大學等 42 支全球頂尖團隊同臺競技。

最終包攬三個賽道金牌的贏家，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「觸覺傳感器設計」兩個賽道金牌的是原力靈機 Dexmal。

這家剛成立不久就獲得 2 億天使輪融資的黑馬企業(yè)，核心團隊出身于老牌 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。

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

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

機器人界「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，還要求硬件設計、場景適配和多模態(tài)感知的深度協(xié)同。

另外從衡量標準來說，不同于 AI 1.0 時代產(chǎn)學研在 CVPR 的華山論劍；也不同于大模型行業(yè)在 OpenCompass，Eval 等 Benchmark 上的百家爭鳴。

具身領域的基準相對稀缺分散，且挑戰(zhàn)重重。

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

隨著具身技術日趨成熟，競爭越來越激烈，其細分領域的挑戰(zhàn)賽熱度也在升溫。

當前，公眾往往更關注機器人的運動性能，比如靈活的機械臂或靈巧的步伐，但在實際應用中，視覺觸覺等多模態(tài)感知的融合對機器人發(fā)展至關重要。

為了促進機器人獲得像人類一樣的操控技能，ManiSkill 基準測試應運而生。

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

運動能力可以讓機器人「動起來」，比如近來比較火的擎天柱熱舞視頻，而多模態(tài)感知則賦予其「看懂世界，摸清環(huán)境」的智慧。

尤其是，在需要精細操作的場景中，視覺觸覺協(xié)同作用決定了機器人的使用價值。

然而，在許多現(xiàn)實場景中，它們的表現(xiàn)仍不如意。

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

英偉達高級科學家 Jim Fan 在紅杉的閉門演講中，將其稱之為「物理圖靈測試」。演講過程中，他展示了一個機器人提供 VIP 早餐服務的翻車視頻，引全場爆笑。

一個再普通不過的生活場景，機器人為啥就搞得一團糟呢？

這是因為，當前機器人領域的研究主要依賴視覺感知，通過攝像頭捕捉環(huán)境信息，并進行決策。

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

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

這導致了，機器人在醫(yī)療手術、精密裝配、復雜物流分揀等場景中，難以達到人類水平的操作能力。

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

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

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

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

ManiSkill-ViTac 2025 的意義遠超學術競賽，它為機器人行業(yè)提供了從實驗室到現(xiàn)實應用的橋梁。

它將推動觸覺 - 視覺融合算法的進步，加速改進觸覺傳感器設計，為豐富接觸的操作任務建立基準。

在 42 支全球參賽團隊中，中國團隊的表現(xiàn)尤為亮眼。

以原力靈機為代表，不僅在算法研發(fā)上取得了突破，還通過「算法 + 硬件 + 場景」的系統(tǒng)創(chuàng)新，推動技術快速落地。

中國隊奪三金，憑什么？

在純觸覺操作賽道（Track1）中，原力靈機 Dexmal 團隊直面機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 要求機器人通過觸覺傳感器，完成將軸體插入毫米級孔洞的復雜任務。

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

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 團隊提出了創(chuàng)新的「雙范式學習框架」，將專家知識與智能學習巧妙結(jié)合。

首先，他們利用專家示范數(shù)據(jù)，對策略網(wǎng)絡進行預訓練，讓機器人快速掌握空間探索的基本能力。

隨后，團隊引入模仿學習生成動態(tài)獎勵函數(shù)，為 RL 的每一步微觀操作提供精準、實時的反饋引導。

這種分層遞進學習的策略，就像為機器人裝上了雙「無形的眼睛」，讓其在無視覺輔助這一苛刻條件下，依然能夠精準定位孔洞位置。

這一方案的真實效果，令人震撼。

在仿真測試中，Dexmal 混合算法將成功率提升了 2-3 倍，遠超單一強化學習的方案。

更重要的是，在真實機器人驗證環(huán)節(jié)，Dexmal 方案憑借大幅領先的比分，充分彰顯了其在純觸覺賽道領域的強大競爭力。

而在觸覺傳感器設計賽道（Track3）中，原力靈機 Dexmal 團隊再次展現(xiàn)了技術前瞻性。

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

Dexmal 團隊以經(jīng)濟性與高效性為核心目標，從傳感器結(jié)構(gòu)到數(shù)據(jù)處理進行了全鏈條優(yōu)化。

首先，他們重新設計了傳感器的幾何形狀，使其能自適應非均勻應力分布，輕松應對不同任務需求。

其次，團隊優(yōu)化了四面體網(wǎng)格，力求在計算精度與實時性之間達成平衡。

最后，他們優(yōu)化了標記點的分布，兼顧空間分辨率與信號魯棒性。

為了驗證設計效果，團隊對傳感器的空間分辨率、計算效率和算法協(xié)同性進行了全面測試。

結(jié)果顯示，新設計不僅讓算法性能顯著提升，還有效降低了成本。

這種「高性價比」的方案，讓 Dexmal 團隊在比賽中一舉奪魁，或許將為觸覺傳感器的規(guī)模化應用打開了大門。

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)」。它不僅對具身智能至關重要，更是實現(xiàn) AGI 的關鍵一環(huán)。

觸覺，可以讓機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。它為機器人與現(xiàn)實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，不僅可以提升機器人對環(huán)境的感知魯棒性，還為跨場景、跨任務的泛化能力奠定了基礎。

作為賽事主辦方代表，清華大學助理研究員陳睿博士表示：

多感知模態(tài)融合在機器人領域有非常大的應用價值。我們舉辦挑戰(zhàn)賽的初衷是希望為業(yè)界提供一個平臺，共同推進視觸覺融合技術的進步。

未來，我們還計劃擴展任務復雜性，比如納入語言模態(tài)，推進視覺-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)秀團隊能夠參與進來。

相比如火如荼的 LLM，機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，才能提升機器人精細操作的能力。

前段時間，老黃在接受采訪時表示，人形機器人將是一個價值 50 萬億美元的產(chǎn)業(yè)。當前，全球機器人市場正處于爆發(fā)前夜。

未來，它將為工業(yè)、醫(yī)療、物流等領域的智能化轉(zhuǎn)型，注入全新動能。就是說，這一領域技術突破和落地，將為全世界帶去的價值不可估量。

中國團隊在賽事中的卓越表現(xiàn)，彰顯了其在全球 AI 和機器人領域的引領地位。

奪得雙金的 Dexmal 團隊表示，團隊日前還參加了 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，無疑為中國在具身智能領域的全球影響力，再添濃墨重彩的一筆。

ManiSkill-ViTac 2025 的正式落幕，不僅是一場技術的巔峰對決，更是中國具身智能崛起的里程碑。

原力靈機和它石智航的耀眼表現(xiàn)，展現(xiàn)了中國團隊在算法創(chuàng)新、硬件突破、場景落地的全棧實力。

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，更是引領者。

參考資料：

• https://ai-workshops.github.io/maniskill-vitac-challenge-2025/#Award

本文來自微信公眾號：新智元（ID：AI_era），作者：桃子、好困，原標題《三金，又是中國隊！全球機器人視觸融合挑戰(zhàn)賽揭榜》

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。