6小时前 一天时间，能把人形机器人训到什么程度？乐聚 ICRA REAL-I 给了一个样本

作者：Yuanxq     出品：具身智能研究室

一群没有太多真机实操经验的学生团队，在从未采集陌生工况数据的情况下，1 天内完成了数据、模型后训练和真机评测的全流程。

这件事发生在今年 ICRA 国际机器人顶会的 REAL-I 挑战赛现场。

REAL-I 现场模型自主运行

ICRA 作为机器人领域顶会之一，每年都会诞生一批引领行业的技术风向标。今年 6 月 4 日，在奥地利维也纳的 REAL-I 挑战赛现场，一台全尺寸人形机器人正在抓取快递包裹，完成扫码、放置等动作。

操作它的不是资深工程师，而是一群高校学生。他们面对的，也不是提前调好的演示场景，而是真实工业任务和陌生工况。

这场比赛真正值得看的地方，不只是机器人完成了任务，而是把“从数据到模型再到真机评测”的链路压缩到了 1 天。

作为 ICRA 首个全尺寸双足人形机器人真机工业任务挑战赛，REAL-I 与以往仿真或小型机器人竞赛不同，直接把赛场搬进真实工业场景。

01工业场景的三大考题

挑战赛一共比拼三大任务，对应工业场景中三类典型高频操作。

第一类是金属件翻正。它聚焦刚性零件的姿态调整，类似汽车零部件装配、3C 产品组装等产线里的高频动作，对机器人的定位精度和末端控制能力提出要求。

第二类是日化瓶取放。这类任务转向柔性物体处理。日化行业的包装环节要求机器人既能牢固抓取，又不能导致瓶体变形，考验的是双臂协调、抓取稳定性和力反馈能力。

第三类是快递包裹扫描。它面向物流分拣场景。包裹尺寸、材质、摆放姿态各异，机器人需要在杂乱环境中完成识别、抓取、扫码和放置的全链路操作。

现场完成数据采集、后训练和评测

这三个任务覆盖了当前工业场景中从“可操作”到“难操作”的完整挑战。它们看起来没有舞台表演那么炫，但更接近人形机器人未来真正要反复执行的工作。

真实工业任务赛场

02想跑通真机，先把路铺好

过去面对陌生工况，资深工程师完成从数据、模型后训练到部署评测，往往需要一周时间反复调试。

在这次比赛中，乐聚为参赛团队提供了数据后训练与实时评测系统，大幅压缩了这条链路。

具体来说，后训练系统提供了 3 类工业场景、数百小时真机数据集，相当于预置了标杆数据；同时配套完整的后训练算法库，以及“采集—训练—评测”工具链。

正是这套系统，让参赛团队在维也纳赛场上实现了：从数据采集、模型后训练到真机评测，仅需 1 天。

后训练模型现场执行

这件事对具身智能落地很关键。因为真实机器人难的从来不是某一次动作演示，而是如何让更多开发者可以稳定地完成数据采集、模型训练、真机测试和迭代。

同时，乐聚还在全国参与建设训练中心，开放真机资源，让缺乏实操条件的团队也能拥有真实机器人测试环境，进一步降低从算法到真机验证的门槛。

机器人走出展台

03从赛事到产业化：后训练生态正在提速

具身智能的发展，需要本体、感知、决策、执行和应用场景之间的多层技术协同。任何单一企业都很难凭借自身力量覆盖所有环节。

随着工业制造、智慧物流、商业服务等领域逐渐走向规模化，行业迫切需要算法团队、硬件厂商、系统集成商和应用方共同参与。

REAL-I 挑战赛的价值，也正体现在这里。它在比赛中提供真机平台、数据和后训练系统，解决以往周期长、上手机会少、评测链路不完整的问题。

更关键的是，比赛没有止步于竞技本身。对于乐聚这样的平台型企业而言，它真正想搭建的是一座从赛场通往产业的桥梁。

开发者现场调试

赛后，乐聚为优秀团队提供资金、硬件、技术与创业孵化支持，让比赛中的可行方案继续向产业延伸。

与此同时，比赛中形成的数据、任务场景、评测标准和工具链，也会持续沉淀到 OpenLET 开源社区。据了解，该社区由开放原子开源基金会孵化、乐聚牵头建设，是国家级具身智能开源数据集社区。

任务、评测与调试闭环

04真正的变化：人形机器人开始进入“干活”阶段

今年行业有一个关键变化：人形机器人正在从“演示”走向各类场景里的真实任务，尤其是在工业制造、物流分拣等领域，大量具体开发需求正在出现。

要满足这些需求，只靠少数公司远远不够。行业需要更多开发者参与进来，也需要更开放的真机资源、数据资源和评测流程。

乐聚这次做的事情，本质上是把机器人本体、真实工业任务、后训练系统、真机评测和开发者生态放到一起。

开放生态越完善，参与力量越多元，人形机器人规模化落地的速度才会真正加快。

冠军颁奖现场

从一周到一天，缩短的不只是一次比赛里的调试时间。

更重要的是，它说明具身智能落地正在从“少数工程师调 demo”，走向“更多开发者基于真机数据和工具链快速迭代”。

这可能才是 REAL-I 这类赛事真正给行业提速的地方。