不拼表演拼泛化：具身智能技能大赛探索可复用“技能包”
不拼表演拼泛化：具身智能技能大赛探索可复用“技能包”
2026年10月26日 06:5
● 本报记者 乔翔 黄一灵
在2026全球开发者先锋大会暨国际具身智能技能大赛（GDPS 2026）张江科学会堂的能源巡检赛区，区域内模拟着高压变电站的抄表工位，包括开关状态核对、红外测温、异常识别等全流程作业全程无需人工干预的情况下完成。
这里是真实的能源巡检场景复刻，也是GDPS 2026略显枯燥却异常严苛的一个角落。枯燥，是因为少了一些去年大赛“插花表演”这类赛项的观赏性。严苛，是因为每一个动作背后都有一个具体的追问：这台 机器人 今天能走过去、读数据、报系统，但将同一套“技能包”部署到其他品牌 机器人 上，能否稳定完成全部作业？
“本次大赛从1200多个征集场景中筛出了高价值应用场景，在这种场景中训练出来的 机器人 才能够具备泛化能力。所谓高价值场景，核心特征就是通用性，即训练完成后能否形成一个‘技能包’，直接到属地做部署，部署之后就能进到一个工业实景中去。”上海市 人工智能 行业协会秘书长钟俊浩在接受中国证券报记者采访时表示。
赛项基于真实场景
在质检赛项场区里，赛项经理李远佳面前摆着一台真实的离心机。记者看到，在这条质检线与实验室场景中，奶片样品全流程检测作业动作被拆解得清清楚楚：接收取样—称量制备—离心装载—取出归位—状态检查—判定分拣。
“整套流程的重点在于识别样品顺序与标识、准确取样、称量并完成6支试管制备，按标签顺序装载并启动离心机，离心后取出归位、检查样品状态，按检测结果分拣合格或不合格样品并生成上传检测记录，考验的是多模态视觉检测、仪器精细操作与报告完整性。”李远佳说。
李远佳特别提到，该赛项的场景方是上海市质量监督检验技术研究院有限公司，且该场景是基于其实验室质量检测需求所设置的真实场景。
“以装载为例，试管架上贴有1至6数字标签的试管， 机器人 在将奶片放到装有溶液的试管内后须按顺序把试管放进离心机，关上盖子，等待一段时间的运转后，再打开取出，并完成质检报告等一系列动作。”李远佳说，区别于简单物料搬运，赛项重点考核精细操作，比如大试管液体向小容器分液等高精度动作。从目前的训练来看，这确实能够减轻实验员的工作量。
记者观察到，这些动作已经不是“能不能抓起来”的问题，而是“能不能像一双手那样知道轻重、知道角度、知道什么时候该收力”。
商超零售赛项则把同类难题摊得更开：周转箱里随机放着罐装、盒装、袋装商品， 机器人 抓起来的时候，条码可能被手指遮住、袋装商品的条码可能变形；补货环节中，货架上容易倒的牙膏商品能否摆放整齐，商品间距如果需要更窄是否能够做到；价签和商品一旦错位， 机器人 能否把价签放回对应商品位置。
“作为场景方，我们更想考验机器人对商品的实际形态、品名规格以及货架信息的精确把握。”百联集团有限公司商业互联网部经理、本届大赛商超零售场景赛项命题负责人郭甬平告诉记者，“目前，机器人的整体视觉方案对商品识别没什么大问题，但难点在于，对于夹爪而言，一旦进入力控环节，其力度反馈还没有做到非常精准的程度。我们发现，在训练过程中，有好多商品的外包装已经被夹变形，这个问题当下确实存在，还需要不断进化。”
重点聚焦泛化能力
专家认为，新质生产力生长在机器人的每一次有效作业之中，大赛旨在推动将机器人能力拆解为可复用的作业“技能包”，进而大幅提升全要素生产率。
基于这一背景，一方面，需要通过真实场景训练习得相应的“技能包”；另一方面，更需要让“技能包”在新的物理身体上“认路”。
钟俊浩在采访中反复提到一组看起来不那么“智能”的物理指标：机器人身高要不要达到173厘米左右、单臂负载能不能做到25公斤？
“一个身高120厘米的机器人会因臂展的限制，适应不了某些工业场景的工作任务。”钟俊浩进一步表示：“例如常见的工业搬料周转箱重量上限约30公斤，若机器人单臂负载明显低于这一量级，就难以完成相应的搬料作业。”
“因此，我们十分关注机器人能否具备泛化能力。例如，在符合物理规则的前提下，将堆垛‘技能包’‘喂’给不同品牌的机器人后，这些机器人就具备了该技能。即所谓的软件装在任意一个符合物理条件的机器人硬件里，就具备了完成相应工业场景作业内容的能力。”钟俊浩说。
换言之，大赛筛选 高通 用性场景，不是为了找“最容易做的题”，而是为了找“做完之后能形成‘技能包’、到属地部署、进工业实景”的题。高价值场景的价值，恰恰在于它的物理条件足够典型，典型到“技能包”跨过不同品牌时仍然落在有效区间内。
实景实训成为共识
从赛场往外退一步，一个落差浮现出来。中国信息 通信 研究院等发布的《具身智能训练场研究报告（2026年）》显示，据不完全统计，截至今年6月底，全国建成启用超70家训练场，在建或规划中的训练场为46家。
训练场或已不再是 稀缺资源 ，行业更多聚焦“练”与“用”之间的衔接。当前，场景任务同质化、有效数据供给不足、数据流通不足、可持续商业模式未成型等问题并存，行业正从建设热潮迈向能力沉淀期。业界认为，仿真训练后迁移至真实世界已成重要路径，但仿真与现实间的鸿沟仍待弥合。在实验室里训练成熟的机器人，换到新产线、新货架后，往往要“从零学起”。
在张江的上海觅蜂具身智能科技有限公司实训实验室，数据采集组长朱绵锐正与一台机器人并肩而立。“哪怕只是拿瓶子、放物件这样简单的小动作，我们也需要反复‘教学’几百遍，它们才能慢慢熟练。”朱绵锐说。
对比强烈的是，大语言模型可依托互联网海量文本实现自学，而机器人只能在真实世界中一寸寸“磨”出动作数据。
因此，实景实训成为行业共识。郭甬平表示：“今年，百联集团开放了旗下商超、 百货 、医药等真实消费场景，让机器人做大量的真实场景训练，然后把训练数据反馈给产业链。”
钟俊浩则从赛事运营侧给出了他的思考。“此次大赛类似模拟赛，接下来会做仿真赛，仿真赛拼算法，胜出的团队带着形成的‘技能包’，再进入矿山、农田等场景做真实验证。”钟俊浩说。
纵观此次大赛上业界的探索，“技能包”的价值或许不止在于赛场上的得分，更在于离开赛场后，还能不能被下一台机器人、下一个场景接住。
（文章来源：中国证券报）