機器之心編輯部

長期以來，我們已經(jīng)習(xí)慣了機器人行業(yè)中那些令人眼花繚亂的視頻 Demo：在經(jīng)過千挑萬選的背景下，智能體完成著精準(zhǔn)又漂亮的動作。

然而，現(xiàn)實很殘酷。

如果把機器人扔進真實、雜亂且多變的環(huán)境中，它們往往會立刻「原形畢露」，頻頻大翻車。

機器人：抓不到，就是抓不到。

機器人：炒菜，我是外行。

這些看似簡單的任務(wù)（例如抓取物體、炒菜），雖對人類來說輕而易舉，但對于機器人卻是充滿了不可預(yù)見的挑戰(zhàn)。

當(dāng)人們在精美 Demo 與笨拙現(xiàn)實的落差中感到無奈時，一家專注于具身智能及通用人形機器人研發(fā)的中國公司，在目前全球最硬核的實戰(zhàn)賽場上，交出了一份極具說服力的答卷。

近日，憑借自研 VLA 具身智能模型，星動紀(jì)元一舉斬獲了具身界靈巧操作奧林匹克 Benjie's Humanoid Olympic Games（簡稱 Benjie's Olympics）三項任務(wù)的全球第一。

星動紀(jì)元在 Benjie’s Olympics 大賽中斬獲的獎牌

Benjie’s Olympics 公布的最新成績顯示，星動紀(jì)元在翻襪子（銀牌難度任務(wù)）中成績位列全球第一，并在開鎖、剝橘子兩項金牌難度任務(wù)中同時登頂，三項核心任務(wù)全面刷新世界紀(jì)錄。

Benjie's Olympics 公布星動紀(jì)元兩項金牌難度任務(wù)（開鎖、剝橘子）第一。

Benjie's Olympics 公布星動紀(jì)元銀牌難度任務(wù)（翻襪子）第一。

要真正理解這三項第一的分量，必須先搞清楚一件事：星動紀(jì)元擊敗的，不是一個普通對手。

他們擊敗的是整個行業(yè)公認(rèn)的技術(shù)領(lǐng)先者 Physical Intelligence（簡稱：PI），PI 拿出了從未公開過的閉源模型 π*0.6。

結(jié)果，全敗。

星動紀(jì)元也因此成為該賽事迄今為止唯一上榜的中國企業(yè)。

要知道，在全球具身智能領(lǐng)域，PI 的成績大多來自第三方機構(gòu)調(diào)用其開源模型跑出的結(jié)果，但這并非 PI 的真實戰(zhàn)力。

Benjie's Olympics 是個例外。這是目前全球唯一一個 PI 官方主動下場、親自參賽并公開打榜的賽事。PI 為此派出的是從未對外開放的核心閉源模型 π*0.6，可以說是真正意義上的全力出擊。

而星動紀(jì)元，正是在這個擂臺上，三項全部拿下第一。

毫不夸張的說，這是具身智能行業(yè)有史以來，第一次有機構(gòu)在全力對陣 PI 閉源模型的條件下，實現(xiàn)全面超越。在此之前，沒有任何一家企業(yè)做到過這件事。

硬核機器人比賽，讓 Demo 玩家出局

要理解星動紀(jì)元這幾項第一的含金量，我們必須先了解一下 Benjie's Olympics 是一個怎樣硬核的存在。

如果你在機器人行業(yè)待過一段時間，就會發(fā)現(xiàn)一個心照不宣的秘密：大多數(shù)發(fā)布會上的 Demo，是精心設(shè)計的表演，而非真實能力的呈現(xiàn)。

Benjie's Olympics 的存在，就是為了終結(jié)這種表演文化。

該賽事由前谷歌資深機器人專家 Benjie Holson 發(fā)起。創(chuàng)立初衷只有一個，就是為了撕下機器人行業(yè)的包裝，把評判體系從炫技表演拉回到實用落地的層面上來

正因如此，它在業(yè)內(nèi)迅速贏得了一個非官方的稱號：機器人行業(yè)的壓力測試。那些花里胡哨的 demo 炫技在這場比賽中將無所遁形。

這場比賽的含金量，不僅體現(xiàn)在賽制本身，更體現(xiàn)在參賽陣容上。賽事匯聚了 PI、Sunday Robotics 等全球頂尖具身智能公司。前面我們也已提到，這也是 PI 唯一主動參與的賽事，他們?yōu)榇藢ｉT出動了其閉源旗艦?zāi)Ｐ?π*0.6，代表了 PI 大腦能力的最高水準(zhǔn)，而非任何保留實力的參賽版本。

換句話說，這場比賽的成績單，直接反映了當(dāng)前具身智能領(lǐng)域的全球最高水平。能在這個擂臺上拿第一，意味著什么，不言而喻。

賽事共設(shè)有15 項實戰(zhàn)挑戰(zhàn)，按照難度分為金牌、銀牌和銅牌難度任務(wù)，開鎖和剝橘子屬于金牌難度任務(wù)，而翻襪子則屬于銀牌難度任務(wù)。在這些任務(wù)中，任何微小的差錯（1–3mm）都可能導(dǎo)致任務(wù)失敗，極考驗機器人的精準(zhǔn)度和穩(wěn)定性。

對于金牌難度任務(wù)，行業(yè)內(nèi)公認(rèn)幾乎無法達標(biāo)，對于銀牌難度任務(wù)，看似日常，實則對柔性物體操控能力要求極高。星動紀(jì)元正是在大家公認(rèn)不可能全部完成的任務(wù)上，全部拿到第一。

規(guī)則層面的苛刻程度同樣超出常規(guī)賽事：全面考驗機器人的自主能力和適應(yīng)能力。要求全自主、零人工干預(yù)、無仿真。一旦任務(wù)開始，禁止任何形式的遙控、人工介入或遠程修正，機器人必須在真實場景中完全自主完成任務(wù)。環(huán)境和物體隨機擺放，禁止使用標(biāo)記或預(yù)掃描地圖，確保每個任務(wù)都在全新的、不可預(yù)知的條件下進行。

這意味著，參賽選手不能靠背題，只能靠真本事。

正如 Physical Intelligence 團隊所評價的：「每個任務(wù)都瞄準(zhǔn)具身智能最難的未解問題，柔性物體、高接觸操作、長時序自主。沒有其他比賽能比肩?！?/p>

業(yè)內(nèi)專家的共識則更加直白：這是唯一強制泛化而非復(fù)現(xiàn)的比賽。多數(shù)隊伍連銅牌都過不了；金牌，近乎奇跡。

對于這種規(guī)格的比賽，選手們也是大倒苦水：「我們花了 6 個月做 Demo；在 Benjie 任務(wù)上 3 天 90% 失敗。真實世界真是毫不留情?！箍赐赀@個評論，真是覺得好笑又心酸。

行業(yè)因此形成了一個新的評判標(biāo)準(zhǔn)：能過 Benjie 關(guān)，才叫工業(yè)級全棧；過不了，都是 Demo。

正是在這樣的背景下，星動紀(jì)元在開鎖、剝橘子、翻襪子三項任務(wù)中全部斬獲第一。

但這三項成績的意義，不能用普通比賽的邏輯來理解。

以剝橘子為例，單是這一項任務(wù)，就要求機器人同時具備：3D 視覺與觸覺的實時融合、LLM 任務(wù)規(guī)劃與運動控制的協(xié)同調(diào)度、物理常識推理（重力、摩擦、形變預(yù)判），以及誤差自修正能力（如物體跌落后的恢復(fù)策略）。任何一個環(huán)節(jié)的短板，都會導(dǎo)致全盤失敗。

這不是某一項技術(shù)的領(lǐng)先，而是全棧能力在極端壓力下的整體驗證。

在一個金牌近乎奇跡的比賽中，拿下三項第一，這就是星動紀(jì)元交出的答卷。

擊敗 PI，星動紀(jì)元三大核心任務(wù)奪冠

Benjie's Olympics 在成績公告中宣布，星動紀(jì)元在剝橘子、開鎖和翻襪子三大核心任務(wù)中，均以顯著的優(yōu)勢超越了前紀(jì)錄保持者 PI。

PI 曾是該賽事中首個拿下多個金牌難度任務(wù)的頂尖團隊。然而，星動紀(jì)元此次交出的成績單，不僅是執(zhí)行時間的全面縮短，更是在操作方式和模型泛化能力上展現(xiàn)出了獨特優(yōu)勢。

剝橘子（金牌難度任務(wù)）：首個實現(xiàn)純手剝，速度比 PI 飆升 35%

剝橘子這類任務(wù)，對人類來說非常輕松，但對機器人而言，卻是典型的高難度操作。一不小心就會把橘子捏碎，果肉撕裂，導(dǎo)致操作失敗。

更困難的是，這一過程往往需要雙機械臂的協(xié)同配合：一只機械手需要穩(wěn)定固定橘子，控制整體受力，另一只手則需要沿著果皮邊緣進行精細(xì)剝離。在剝離過程中，力的大小、方向以及接觸位置都需要不斷動態(tài)調(diào)整，一旦兩只手之間的配合出現(xiàn)偏差，就容易造成擠壓或撕裂。

與此同時，橘子在操作過程中還會持續(xù)發(fā)生形變，機器人需要實時感知果皮與果肉之間的微小變化，并據(jù)此調(diào)整動作策略。這使得剝橘子不僅是一個簡單的操作任務(wù)，而是對視覺感知、力控制、雙臂協(xié)同以及實時決策能力的綜合考驗。

面對這一極其復(fù)雜的柔性操作，前紀(jì)錄保持者 PI 借助削皮刀等外部工具，最終用時 2 分 46 秒完成。而星動紀(jì)元則直接打破了工具的依賴，成為該賽事首個實現(xiàn)完全無工具、純手剝操作的團隊。他們僅用時 1 分 47 秒就完成了純手剝?nèi)蝿?wù)，速度比 PI 快了足足 35%。

開鎖（金牌難度任務(wù)）：克服重重視覺干擾，速度比 PI 提升 25%

人類開鎖往往可以依靠手部的觸覺反饋，但機器人的高精度操作極度依賴視覺前置引導(dǎo)。鑰匙開鎖作為典型的精細(xì)任務(wù)容錯率幾乎為零，金屬表面的高光反光還會在機器人的視覺傳感器中形成噪點干擾。這就要求 AI 模型不僅要能在一片反光中「摳出」鎖孔位置，還要精準(zhǔn)解算出鑰匙的三維姿態(tài)。

在這項穿針引線的任務(wù)中，PI 的完成時間為 66 秒。星動紀(jì)元則展現(xiàn)出了更強的高接觸操作能力，僅用時 49 秒便順利開鎖，將整體操作速度提升了 25%。

翻襪子（銀牌難度任務(wù)）：訓(xùn)練樣本比 PI 少 32%，執(zhí)行速度快 30%

在機器人控制任務(wù)中，抓取硬質(zhì)零件通常依靠的是三維坐標(biāo)體系，但這套邏輯在「翻襪子」面前會瞬間失效。作為一個柔性物體操作場景，它的核心難點在于無規(guī)律形變。在翻轉(zhuǎn)的每一幀，襪子的物理形態(tài)都在發(fā)生改變。機器人必須實時跟蹤動態(tài)形變，精準(zhǔn)區(qū)分出襪子的內(nèi)外側(cè)和開口位置。這意味著模型必須真正理解眼前的這團布料，具備物理規(guī)律常識，而不是背誦動作指令。

為了完成這項任務(wù)，PI 動用了 176 個樣本，耗時 1 分 33 秒。而星動紀(jì)元則展現(xiàn)出了極其驚人的小樣本學(xué)習(xí)能力：他們僅使用了 120 個樣本（比 PI 大幅減少了 31.8%），不僅成功完成任務(wù)，耗時更是縮短至 1 分 04 秒，速度比 PI 提升了 30%。

星動紀(jì)元的超越不止是單純的更快，而是其模型在應(yīng)對復(fù)雜任務(wù)時展現(xiàn)出的具體優(yōu)勢：純手剝橘子不依賴外部工具，證明了模型對柔性物體形變的理解；開鎖任務(wù)的流暢執(zhí)行，展現(xiàn)了高精度感知與動作的穩(wěn)定協(xié)同；而用更少的訓(xùn)練樣本完成翻襪子，則證明了其更高效的數(shù)據(jù)利用率與泛化能力。

這三項任務(wù)的綜合表現(xiàn)，驗證了這套自研具身大腦在真實場景下的技術(shù)優(yōu)越性。

星動紀(jì)元 VLA 模型， 憑什么在具身智能頂級博弈中勝出？

在具身智能的演進路徑中，VLA（Vision-Language-Action）模型已成為主流范式。其核心愿景在于打破視覺感知、語言理解與動作控制之間的壁壘，實現(xiàn)三者的深度表征融合。

盡管 VLA 提供了統(tǒng)一的架構(gòu)，但在實際應(yīng)用中，智能體仍難以應(yīng)對如「翻襪子」、「開鎖」等精細(xì)化操作。這類任務(wù)的難點不在于簡單的指令執(zhí)行，而在于以下三重能力的復(fù)合要求：

• 高效的知識遷移能力：從海量預(yù)訓(xùn)練數(shù)據(jù)中提取通用規(guī)律，而非對每個任務(wù)從零學(xué)起。
• 動態(tài)自適應(yīng)感知：在物體形變（如柔性織物）或環(huán)境干擾下保持感知穩(wěn)定。
• 實時決策閉環(huán)：根據(jù)動作反饋即時修正軌跡，確保操作精度。

針對上述痛點，星動紀(jì)元 VLA 模型通過底層架構(gòu)優(yōu)化，在數(shù)據(jù)利用、感知精度和控制響應(yīng)等關(guān)鍵環(huán)節(jié)上實現(xiàn)了顯著突破。

首先是極高的樣本效率，在具身智能研究中，數(shù)據(jù)往往是最稀缺的資源。尤其是在涉及柔性物體操作的場景中，采集和標(biāo)注高質(zhì)量數(shù)據(jù)成本極高，這也使得模型對數(shù)據(jù)規(guī)模的依賴成為長期瓶頸。

在翻襪子任務(wù)上，星動紀(jì)元僅使用 120 組訓(xùn)練樣本，就達到甚至超過了 PI 使用 176 組樣本的表現(xiàn)，樣本量減少約 32%。這就好比別人背 1000 個單詞才能考過，它背 700 個就夠了。

其背后的關(guān)鍵在于基礎(chǔ)模型的知識遷移能力。通過在大規(guī)模預(yù)訓(xùn)練階段學(xué)習(xí)到的通用視覺與動作規(guī)律，模型能夠?qū)⑦@些已有經(jīng)驗遷移到具體任務(wù)中，從而在少量樣本條件下快速適應(yīng)新場景。這種能力，使得模型不再完全依賴針對單一任務(wù)的大規(guī)模數(shù)據(jù)堆疊，而是具備了一定程度的跨任務(wù)泛化能力。

這種泛化能力在實際應(yīng)用中非常關(guān)鍵，在現(xiàn)實場景中，很多任務(wù)都不具備充足的數(shù)據(jù)支持。如果模型需要依賴大量樣本才能發(fā)揮性能，那么其落地成本將極高；而一旦模型具備小樣本泛化能力，具身智能才能更好的在現(xiàn)實場景中落地。

其次是自適應(yīng)視覺注意力機制，在具身智能任務(wù)中，感知能力往往是最容易被低估、卻最決定成敗的一環(huán)。尤其是在開鎖這類精細(xì)操作中，鑰匙孔往往只有毫米級大小，同時還伴隨著光照變化、金屬反光、視角偏差等多重干擾，這些因素都會顯著影響視覺識別的穩(wěn)定性。一旦感知出現(xiàn)偏差，后續(xù)的動作執(zhí)行幾乎必然失敗。

在這一點上，星動紀(jì)元引入了自適應(yīng)視覺注意力機制，使模型能夠在復(fù)雜環(huán)境中動態(tài)聚焦關(guān)鍵區(qū)域，對鑰匙、鎖孔等微小目標(biāo)進行特征增強。模型不再是平均地看所有信息，而是能夠在關(guān)鍵時刻把注意力集中在最重要的細(xì)節(jié)上。

其直接結(jié)果是在高干擾環(huán)境下模型依然能夠保持穩(wěn)定的目標(biāo)識別與對齊能力，為毫米級精度的操作提供可靠的感知基礎(chǔ)。這類能力，決定了機器人能否從看得見邁向看得準(zhǔn)，也是其在開鎖任務(wù)中實現(xiàn)更快、更穩(wěn)定執(zhí)行的關(guān)鍵因素之一。

最后是異步高頻推理與短時域規(guī)劃。在具身智能任務(wù)中，機器人的反應(yīng)速度往往直接決定任務(wù)能否成功。然而，現(xiàn)實環(huán)境處于動態(tài)變化之中：物體的位置會發(fā)生偏移、形態(tài)會發(fā)生改變，一旦動作執(zhí)行與環(huán)境狀態(tài)脫節(jié)，誤差就會快速累積，最終導(dǎo)致任務(wù)失敗。

但在傳統(tǒng) VLA 模型中，控制策略通常以固定頻率生成一段較長的運動軌跡（往往超過 1 秒）。在這段軌跡執(zhí)行過程中，模型無法根據(jù)環(huán)境變化進行及時調(diào)整，這意味著一旦出現(xiàn)偏差，只能等到下一次規(guī)劃時再修正，導(dǎo)致反應(yīng)滯后。

針對這一問題，星動紀(jì)元引入了異步推理與短時域規(guī)劃機制：在當(dāng)前軌跡尚未執(zhí)行完成時，就同步預(yù)測下一段軌跡，一旦新軌跡生成，系統(tǒng)便立即切換執(zhí)行。這樣一來，模型的決策頻率被顯著提升。

機器人的某個關(guān)節(jié)先沿著第一段軌跡（Chunk 1）運動，當(dāng)?shù)竭_第二段軌跡（Chunk 2）出現(xiàn)的時刻（圖中的豎線位置）時，便切換為沿第二段軌跡繼續(xù)運動；隨后再在第三段軌跡（Chunk 3）出現(xiàn)時進行切換，如此循環(huán)。來源：https://generalrobots.substack.com/p/robotera-snatches-silver-in-sock

這樣一來，機器人能夠以更高頻率持續(xù)修正動作，對突發(fā)擾動（如襪子形態(tài)變化）做出更及時響應(yīng)，從而有效抑制誤差累積，顯著提升任務(wù)的成功率與整體穩(wěn)定性。

也正是在上述模型能力的支撐下，星動紀(jì)元的 VLA 具身模型在柔性物體操作、雙手協(xié)作、工具使用以及長程復(fù)雜任務(wù)等關(guān)鍵能力上實現(xiàn)了同步提升。

這些能力單拎出來都不罕見，難的是在一套模型里同時跑通、同時穩(wěn)定。這也是為什么 Benjie's Olympics 任務(wù)極具挑戰(zhàn)，而星動紀(jì)元卻能連拿三項第一的原因。

能在這樣的賽場上三項登頂，宣告了星動紀(jì)元在解決具身智能核心難題上，已經(jīng)摸索出了一套比國際頂尖同行更有效的方法論。

星動紀(jì)元憑技術(shù)創(chuàng)新，引領(lǐng)具身大腦全球研究范式

其實，星動紀(jì)元早已在全球具身智能的研究范式上確立了引領(lǐng)地位。

今年 2 月，星動紀(jì)元創(chuàng)始人陳建宇團隊與斯坦福大學(xué) Chelsea Finn 團隊（她正是前紀(jì)錄保持者 PI 的創(chuàng)始人）聯(lián)合發(fā)布了 Ctrl-World 可控生成世界模型。

該模型在世界模型權(quán)威評測 World Arena 榜單上一舉擊敗谷歌、英偉達等頂尖模型，在主體一致性、軌跡精度、深度準(zhǔn)確性、策略評估一致性四大核心維度上全部登頂，拿下了具身任務(wù)能力全球第一。

在具身模型技術(shù)引領(lǐng)上，星動紀(jì)元更是屢次創(chuàng)下行業(yè)第一：

• 他們是全球首個提出分頻 VLA 架構(gòu)的團隊（2024 年 9 月推出 HiRT 快慢分層架構(gòu)），早于 PI、Figure、谷歌、英偉達等巨頭和明星公司。
• 他們打造了全球首個融合世界模型的具身大腦。2024 年 12 月，星動紀(jì)元發(fā)布融合世界模型的 VLA 算法框架 VPP（Video Prediction Policy，現(xiàn)已開源），將具身智能的可用數(shù)據(jù)擴展到了海量互聯(lián)網(wǎng)視頻數(shù)據(jù)，機器人可以實現(xiàn)邊想邊做。
• 其研發(fā)的 ERA-42 模型，是全球僅有的四個實現(xiàn)了全尺寸人形機器人全身及五指靈巧手精準(zhǔn)控制的標(biāo)桿之一（其余三家為 Figure Helix、特斯拉 Grok 及英偉達 GR00T）。

目前，星動紀(jì)元的具身大腦 ERA-42 已真正在物流（分揀及掃碼）、制造（零部件抓取、高精度裝配、質(zhì)量檢測）以及商業(yè)服務(wù)等真實場景中落地，部分場景中的效率已經(jīng)達到了 70%～80%。

星動紀(jì)元真干活機器人成為中關(guān)村論壇關(guān)注焦點。

長久以來，具身智能技術(shù)的話語權(quán)和最驚艷的 demo 往往掌握在硅谷巨頭手中。但星動紀(jì)元一次又一次地用實戰(zhàn)結(jié)果證明，機器人技術(shù)比拼的不是 demo，而是誰的底層架構(gòu)更扎實、誰在真實環(huán)境的泛化能力更強。

在這個決定產(chǎn)業(yè)未來的戰(zhàn)場上，國內(nèi)公司正在引領(lǐng)前沿風(fēng)向。