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。

據主辦方統計，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，是來自國內的兩家具身初創公司。

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，核心團隊出身于老牌AI企業曠視科技，并且具有超過10年的AI原生產品規模落地經驗。

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造了中國具身智能行業最大天使輪新紀錄。

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

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，有著本質的區別。

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、思考并與環境交互。

這種「身體與智能」的結合，不僅需要算法的突破，還要求硬件設計、場景適配和多模態感知的深度協同。

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

具身領域的基準相對稀缺分散，且挑戰重重。

它不僅需要模擬復雜的物理交互、開發高精度硬件，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，視覺觸覺等多模態感知的融合對機器人發展至關重要。

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，而多模態感知則賦予其「看懂世界，摸清環境」的智慧。

尤其是，在需要精細操作的場景中，視覺觸覺協同作用決定了機器人的使用價值。

然而，在許多現實場景中，它們的表現仍不如意。

比如，在抓取不規則物體、執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，都會干擾視覺數據。

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聯合主辦，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實世界的測試平臺，是全球范圍首個結合視覺與觸覺的公開賽事。

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

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，中國團隊的表現尤為亮眼。

以原力靈機為代表，不僅在算法研發上取得了突破，還通過「算法+硬件+場景」的系統創新，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，還要依據接觸反饋構建起準確的空間坐標系。

傳統方案大多依賴RL，但受限于觸覺數據的低維度和高噪聲，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團隊提出了創新的「雙范式學習框架」，將專家知識與智能學習巧妙結合。

首先，他們利用專家示范數據，對策略網絡進行預訓練，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獎勵函數，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節，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、性能不穩定的難題，行業仍處于探索初期。

Dexmal團隊以經濟性與高效性為核心目標，從傳感器結構到數據處理進行了全鏈條優化。

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，團隊優化了四面體網格，力求在計算精度與實時性之間達成平衡。

最后，他們優化了標記點的分布，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、計算效率和算法協同性進行了全面測試。

結果顯示，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、文本等模態不同的是，觸覺信息就是物理世界的「原生數據」。

它不僅對具身智能至關重要，更是實現AGI的關鍵一環。

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境的理解提供支持。

兩者的融合，不僅可以提升機器人對環境的感知魯棒性，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：

多感知模態融合在機器人領域有非常大的應用價值。我們舉辦挑戰賽的初衷是希望為業界提供一個平臺，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，推進視覺-觸覺-語言多模態大模型發展。也希望能夠有越來越多的優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50萬億美元的產業。當前，全球機器人市場正處于爆發前夜。

未來，它將為工業、醫療、物流等領域的智能化轉型，注入全新動能。

也就是說，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，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，他們正全力備戰第二輪比賽，結果將于6月底公布。

這些連連戰績，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。

圖片

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，展現了中國團隊在算法創新、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。