一口食餅筒，兩岸故鄉情
2026-02-16 15:14 7,925次浏览世界人形機器人運動會將於8月14日開幕，作為重要項目之一的足球賽預選賽已先一步開賽。來自國內高校的參賽隊GeoHBots在比賽中早早陷入了以少打多的局面。團隊成員向北京商報記者解釋稱，他們的機器人在比賽中吃到紅牌被罰出場，原因是算法不會識別對方的機器人而導致的對抗，被裁判視作背後惡意衝撞，「它只會看球、場地」。 據悉，參加3v3比賽的團隊每支有四個機器人可供使用，三名首發一名替補，少一人的局面無疑讓GeoHBots團隊非常被動。 在綠茵場上跌跌撞撞的金屬身影，實則是一場關乎產業未來的技術練兵——笨拙的動作調試、程序算法的優化、失敗案例的積累，都是人形機器人從實驗室走向商業化場景這一進化路徑上這樣那樣的微調。 技術的綜合考試 機器人足球賽從不是為了復刻人類球賽的精彩，而是給技術能力搭了個實戰考場。 加速進化機器人公司售後技術支持負責人呂明向北京商報記者拆解了這場考試的核心考點：「機器人的運控，就是運動能力、步態這些，下肢能走多快、用什麼樣的步態、有什麼樣的腳法，都是機器人能踢球的基礎；上半身則是感知，主要是視覺，能不能看得準，看得準才能踢得準；最後是決策，就是在什麼情況下用什麼樣的動作，怎麼樣去做接下來要做的動作。」 賽場邊各支隊伍的備賽細節，透出相似的技術打磨縮影：來自馬來西亞的Team Robotedge團隊向北京商報記者介紹，比賽開始前他們要反覆通過電腦調整機器人的靈敏度、運控參數，還要讓機器人持續識別、捕捉比賽用球——這是在針對性訓練運控與感知能力。GeoHBots也向記者透露，他們需要在賽前把自己的代碼、程序刷進去，其中包含視覺、動作、策略等細節，都是為實戰而做的準備。 在現場，你時常能看到一個人類隊員舉著一臺電腦跟著一臺人形機器人，二者通過一根長長的、有點像牽引繩的數據線相連，這正是他們在調試準備——機器人將數據畫面等傳到電腦，人類基於這些數據進行調優。當然，在比賽的時候，這些機器人都需要放開繩子，自主發揮。但考試並不一帆風順，呂明向北京商報記者進一步分析稱，如果機器人的視覺不行，那就看不清、定位不好、踢不準；如果決策不行，該用什麼動作卻做了錯誤判斷。這幾個因素一疊加，強隊跟弱隊的區別就很大了——有的機器人因視覺盲區對著空場地狂奔，有的因決策失誤放棄防守猛衝前場，最終被踢成大比分的慘敗。 但這些考砸了的時刻並非毫無價值——就像企業技術迭代的「錯題本」，每一次失誤都在為算法優化提供精準坐標。 為應用試金 或許有人疑惑，興師動眾讓這麼多人和機器人在賽場折騰，意義何在？答案藏在那些並不非常外顯的技術細節裡。 呂明指著一位在場上做著橫移動作的機器人向北京商報記者解釋：「你看他有那種橫移的，像螃蟹步，這就算是盤帶了。」這種賽場練就的移動步伐，未來可能就是家庭中服務機器人在客廳繞開茶几的靈活身法。 呂明還提到，這些機器人很多是一天要踢四場比賽，在劇烈、頻繁的碰撞下依然能正常運作，摔倒也能自己站起來——這種穩定、耐用，可自我調整的硬體性能，正是工業協作、家庭陪護等場景的核心需求。 前述機器人那種「只認球不認人」的識別局限，也可通過更複雜的算法解決，把環境感知數據練好，未來就能分清水杯、遙控器和毛巾，避免服務場景中的烏龍。 參賽生態還藏著產業進階的新生力量。Geo-HBots團隊向北京商報記者透露，他們賽前僅用不到兩個月準備，依託的正是廠商提供的開源基礎平臺；呂明也向記者表示，現在其實還很難談比賽質量，更多是讓大家上場激發熱情。人形機器人在國內剛起步，加速進化公司的機器人在交付參賽團隊時就自帶一套開源Demo算法供參賽者調試。「要讓學生通過比賽走完流程，對機器人有理解，再有興趣去研究，畢竟做運控、做感知、做策略，理論和實踐是很不一樣的。」 每次有進球發生，現場參賽隊成員總會爆發出不亞於自己踢比賽進球時的歡呼，看得出他們確實很高興，像是以一種主教練的身份——這種包容性強的參與生態，正在培育未來的開發者群體。 慢功夫裡的大未來 比賽當中，有些進攻輪次非常簡單粗暴——某隊的機器人在中場附近大力射門，然後球就徑直跨過半場，滾進對方球門。 但人形機器人產業的進化，不可能是一蹴而就的爆發，需要在包括賽場在內的試錯中沉澱慢功夫。 呂明向北京商報記者強調比賽數據的核心價值：「我們會持續做相關的解決方案，掌握的數據越來越多，機器人模型的學習能力、判斷能力也會變強。最終還是要推動人形機器人領域發展，比賽只是其中一種形式，也是為了驗證我們的硬體、軟體、算法能力，讓它以後能服務更多其他場景。」 這些在綠茵場上積累的硬控穩定性、感知精準度、決策合理性，正在編織一張技術網絡：硬體耐用性達標了，機器人才能走進真實場景；算法識別準了，才能理解人類需求；多模塊協同順了，商業化落地才有底氣。 或許十年後，當家庭機器人熟練地幫你遞水、工廠機器人精準搬運零件時，它們的運動神經和大腦邏輯，最早正是在這場笨拙的足球賽裡，被一群學生和工程師一點點打磨出來的。 眼前跌跌撞撞的機械身影，正在用成功或失敗的動作，攢下人形機器人產業的未來底氣。 北京商報記者 陶鳳 實習記者 王天逸
上海8月8日電 (記者 鄭瑩瑩)OpenAI最新發布其人工智慧模型GPT-5，引發業界關注。AGI(通用人工智慧)加速來了嗎？北京開放傳神科技有限公司(OpenCSG)創始人兼CEO陳冉8日就此話題接受記者採訪時表示，目前行業模型的能力還處於中早期，在通往AGI的方向上還需要大幅提升，而這其中有個關鍵要素是適配的原生數據不足。 中國首個大模型創新生態社區——模速空間地處上海徐匯區。北京開放傳神科技有限公司是首批入駐模速空間的企業之一。 陳冉解釋，網際網路時代，伴隨各種App的湧現，用戶交互方式發生顯著變化，由此帶來信息爆炸；而AI(人工智慧)時代，真正的新交互方式還沒到來，包括人與智能體、智能體與智能體之間的信息交互還沒達到一個成熟的階段，仍待發展，因此能「投餵」給模型的數據也還需積攢、沉澱。 北京智譜華章科技股份有限公司總裁王紹蘭此前在2025世界人工智慧大會上指出，從大模型到AGI，行業還有很長的路要走。「如果比照自動駕駛分級，把從大模型到AGI分成5級的話，我們可能只在第3級，這條路走了一半都不到。大模型的基礎模型部分還在快速地發展，我們還要持續去做，也願意投入更大的力量。」 在大模型發展加速期，大模型企業該向左走(繼續大量投入基礎模型研發)還是向右走(深入落地來構建商業閉環)？行業怎麼平衡基礎模型的投入以及應用落地的努力？ 王紹蘭認為，除了基礎模型「底座」，企業也要持續推動大模型的商業化應用。「因為大模型就是拿來用的，如果大模型一直是純理論研究，不去做商業化落地，我們怎麼證明大模型真正能改變產業呢？我們其實不需要等到大模型真的引領生產力革命的那一天，因為大模型的能力在不斷地擴充、不斷地發展。」 上海稀宇科技有限公司(MiniMax)副總裁嚴奕駿認為，自研底層技術能為企業帶來更高的發展上限，而產品能讓用戶體驗到大模型能力，從而進一步提高AI滲透率。(完)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
看b站a8直播
「活动」首次登录送新手大礼包
- 软件大小: 896.25MB
- 最后更新: 2026-02-16 15:14
- 最新版本: v11.8.1.10
- 文件格式: apk
- 应用分类:ios-Android 荔枝直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 6.26以上
客服热线：135-5376-1987
38459
16
79
75348
54
2026-02-16 15:14
59814
48
2026-02-16 15:14
27856
98
2026-02-16 15:14
93157
96
2026-02-16 15:14
72983
85
2026-02-16 15:14
94712
56
2026-02-16 15:14
74958
31
2026-02-16 15:14
43729
98
2026-02-16 15:14
76241
45
2026-02-16 15:14
26
32
91754
39
26
84
96452
28
52
64
45769
95763
