“哎呀，还是不行。”伴随着赛事解说员的一声轻叹，在还有一个台阶就到达终点时，机器狗的重心向右一歪，再次摔到了台阶旁边的排水沟里。
在之前的赛段里，这只来自上海交通大学 IRMV 队的四足机器人表现一度领先，却在同一个地方反复卡住，
没有什么犹豫，队长冯临溪抄起它一路狂奔冲回起点，准备让它再重头试一次。
这时离规定完成时间只有不到7分钟了。
现场的所有人，观众、工作人员、选手还有从直播里观战的陌生人，都为这支队伍捏着一把汗。
留给他们的时间只够再尝试一次，还得是毫无错误、一气呵成的那种。
机器狗顺利地完成了前三个子路段的户外越野，它轻松绕过路障、越过浅坑，连着跨越四级台阶的缓坡，但还是又一次卡在了最后一个赛段的这段长台阶前。
冯临溪决定将机器狗从全自主模式切换到遥控模式，先完成比赛再说。
12月香港的冬天，汗珠大颗大颗往下落着，他却只来得及撩起T恤下摆擦干净落在电脑键盘上的汗，时间只剩最后一分钟，气氛有一种“不成功、便成仁”的紧张。
可奇迹没有出现，在大屏幕上的倒计时结束之后1分钟，他才完成调试，操控机器狗顺利走完最后的赛程。
无论是选手和这台摔了又摔的四足机器人，在过去的两天里都已经尽力了。
在踏上这段台阶之前，他们已经在一天的不同时段完成户外分拣垃圾、自主浇花、吊桥穿越等任务。
无论是布满青苔的台阶、湿润的草皮，还是临近中午变得刺眼的天光，或是观众发出的声音，吊桥木板间超过 50 厘米宽的缝隙，都是名副其实的“绊脚石”，干扰着机器人的自主判断和任务执行。
来到真实世界，踩入泥泞、噪声与未知的干扰
上述这一幕幕，发生在第五届ATEC2025科技精英赛ATEC 2025·Real-World Extreme Challenge 的决赛现场。
本届比赛的核心赛题是“真实世界极限挑战”，线上赛设置了软件、硬件两个赛道，线下赛则在香港中文大学的全户外真实场景中模拟多样化的户外地形，要求机器人完成吊桥穿越、定向越野、自主浇花、垃圾分拣等综合任务，首次在全户外真实场景中系统探索“无遥操”技术路径。四足机器人在越野时频频翻车的山坡，正是香港中文大学的后山。
冯临溪带领的 IRMV 队，是从线上赛的 396 支队伍中角逐出的 13 支小队之一。两天的线下赛里，在“鼓励全自主、探索无遥操”的赛制引导下，这 13 支参赛队伍针对户外复杂场景，尝试了多样化的技术路径与创新方案。
赛场上一出又一出“机器人翻车实录”。其实都在赛事主办方的意料之内。
本届赛事的根本目的，就是要回答一个核心问题：机器人能否真正走出实验室，进入并适应我们复杂的人类世界？
这样一来，摆在参赛选手们面前的核心挑战就是，如何让机器人在没有人类“手把手”帮助的情况下，真正理解环境、预测风险并做出安全高效的决策。
遮挡、光照、混乱、噪声——所有真实世界的干扰，全都被真实地摆在题目里。
这每一道题，都不是为了让它“完成得好看”，恰恰是为了让机器人能够在一次次失败里暴露真正的弱点。
在这里，前沿技术被“拽”进真实世界里去碰壁、去检验，当机器人从实验室走入真实世界，让技术和难题正面相遇，那些难题才有了真正被解决的可能。
如蚂蚁集团技术战略部负责人所表示，AGI技术发展的未来，是实现机器智能与物理世界的深度融合，只有“真问题”，才能让行业知道下一步要突破什么。
机器人到底多聪明才算聪明？
在户外越野任务之外，选手们公认挑战较高的任务是自主浇花。即使是冠军队伍 wongtsai赛队，在其他三个任务都实现了机器人全自主完成，但在浇花这个任务上还是选择了遥控操作。
浇花这件事，三岁小孩都能做，为什么会成为机器人比赛中难度最高的一环？
目前的机器人在特定领域（如下棋、翻译、图像识别）已经表现出超越人类的“聪明”，但在另一方面，日常生活里我们司空见惯的许多动作，在机器人的“眼中”却并不是那么一回事。
从大二开始泡在北京理工大学自研机器人实验室的季子上，在赛前一轮又一轮的攻关里，对浇花这件事做了无数次拆解：“导航必须特别稳，偏一点可能就够不到桌子，或者对不准水龙头。抓取和操作必须很准，比如目标在不同角度、光线变化大、抓取失败后怎么自己重新调整，都需要仔细思考。”
面对桌上的水壶，机器人需要首先识别：“我在哪里，我需要做什么，哪边是壶把手，哪边是壶嘴，哪里是需要浇的花”，接着才是思考一系列问题：“我要如何靠近水壶，在这个过程中如何避免碰撞，机械臂需要到达怎样的位置才能抓起水壶，需要用多大的力度。”
如果想让机器人全自主完成这一系列操作，考验的就不仅仅是单个点位的视觉识别和动作精准，而是要在长链路的复杂任务中做到全身协同，相比起单个动作，这完全是个系统级挑战。
甚至在浇花的过程中水壶的重量在不断变化，机器人能不能感知到这种变化并调整动作，也考验着机器人的力控感知与自适应控制能力。
这么看来，日常生活中那些常见的家务，叠衣服、洗碗、做早餐……哪一样对于机器人来说不是困难重重的复杂任务？即使只是铺床，每天早晨人类起床之后枕头和被子的位置都是随机的，或者床头柜上多了两件睡衣……这些变量对于机器人来说，都是关于鲁棒性（Robustness，指是一个系统或模型在面对内部参数变化、外部环境干扰、不确定性或异常时，仍能维持其功能、性能稳定运行的能力）的极高考验。
“很多事情，目前确实只有人类能做。人的智慧很难被简单替代。人类这个物种，没有我们想象的那么简单。”朱承睿认为，机器人从人类远程遥控操作到自主控制，大概是蒸汽机时代到电气化时代的飞跃，是一次工业革命级的进步。
当然，这并不是只有这些选手需要面对的问题。
在中国29.5万台的安装量领跑全球的产业繁荣背后，隐藏着一个关键技术瓶颈：目前大多数引人注目的机器人演示，实际上都依赖于人工遥控或预设程序，距离真正的“全自主”仍有相当距离。
习惯在嘲笑声中成长，因为我们的目标不在当下
与常规的比赛不同，失败，对这些参赛的选手们来说，并不是新鲜事。
“在比赛里我很高兴看到，大概试了10次或者20次，总有一次成功。”刘云辉在赛后整体评价道，“我个人而言，已经比较满意了。”
或者应该这样说，机器人领域的每一点突破，背后都是漫长的研发过程与无数次的失败。
尤其是在机器人研究从人工遥控转向全自主的“具身智能”时，研发者们付出的努力更是难以想象。
比“机器人做到了什么”更出圈的，往往是那些关于“今天机器人又怎么花式翻车了”的内容集锦。这群“搞机器人的”，早就已经习惯了在嘲笑声中成长。
“不光是别人嘲笑，我们也经常自嘲，有的时候做个传感器，也会自我怀疑这东西到底有什么用，会不会太脱离现实。”USTBot队队长张博阳在香港科技大学攻读博士，他告诉我们：“科研需要时间来验证，也许未来某个时刻，我的研究成果很快迁移到了具体的场景和产品上，可能就能派上用场了。”
张博阳2018年入读东北大学机器人工程专业，并且是该专业的第一届学生，到2025年的今天回头看，就在短短几年间，曾经的不少理念都已落伍，行业发展实在太快。如今的他更想让机器人代替人类去处理如高空作业、火场搜救等危险任务。
“9·11 事件后，背包机器人已经能和搜救人员一起进入现场，” 他说，“我们这代人的使命，是让这种技术更成熟、更可靠。”
比外界嘲笑更磨人的，是技术迭代带来的自我怀疑。
AI技术的跃进式发展，打开了人类对于“新智慧”的无限畅想，让我们有机会重新解读问题，能重新尝试解决原本无法解决的问题，也让“机器人”可以开始被冠以“具身智能”的称呼。
但对于长期身处其中的研究者来说，也有一些措手不及。
作为一位在长期研究导航和控制方向的研究者，冯临溪也感受到了技术的快速变化。大模型的出现，推动新的方法涌现，许多传统方案难以解决的问题，利用大模型就有了全新的思路。
“好像爬了很久的坡，突然之间因为技术迭代，发现路被重造了。”他说。
但即使有了大模型，发展的路依然很漫长。
训练大模型的语料大多来自互联网，它现在可以理解一幅图像、一段文字，但是对于真实的物理世界，目前的大模型还处于缺乏概念的状态之中。“要它理解如何抓起一个物品，它是完全做不到的。它不具备这种能力。”朱承睿告诉我们。
当下的机器人行业，大多采用“大脑+小脑”相结合的技术架构。“大脑”负责通过大模型对长程链路进行规划，“小脑”则通过底层控制、硬件控制等小模型来完成。AI 让机器人变得“聪明”，也带了新的挑战，AI 用得多，算力要求就变高，相应的耗电量就变大，这就导致需要更多电池载荷来支持机器人的“脑力”，但随之而来的问题就回到了硬件——配重、平衡乃至动作感知，都是需要跟上的技术。
可以想象，在这个系统工程里，未来算力强、功耗低的芯片的出现，还将带来连锁反应般的影响。
跨界者的勇气：在质疑声中拓宽赛道
参加比赛，说不想赢那肯定不现实。
但拿冠军从来都不是唯一的目标。
20岁的陈舒荧是ATEC 2025最年轻的队长，她带领的队伍，成员中最小的只有19岁，最大的也才24岁，也是本届比赛中最年轻的队伍。
陈舒荧甚至也不是科班出身：修读医学的她，却对机器人有着浓厚的兴趣，希望能够探索机器人技术运用在医学领域，于是，她自学软件，投身交叉学科。
她就读的香港中文大学鼓励学生跨专业学习AI知识。自己由于对机器人的爱好，此前已经加入到了香港中文大学的机器人战队，这也为其组队参赛提供了基础。
参加 ATEC，陈舒荧和队员们的首要目标是通过手动遥控完成比赛，在此基础之上再去尝试“无遥操”的挑战——完成比赛本身就是学习的一部分。
参加比赛的过程中，她投入了很多时间精力来学习相关的前沿技术，对于她来说，这些都是“值得走的路”。在与其他队伍的交流中，她学到了不少新东西，也更明晰了接下来的研究方向——她想探索机器人与医学的交叉点，用前沿技术帮助更多的病患。
“比如说让医生在 AI 辅助下在人体内完成抵达病灶的导航，乃至让机器人更精确地代替医生的手，都是我接下来想做的。”她的机器人战队导师香港中文大学博士后何骐补充道。
这场比赛里，有冯临溪这样已经在机器人领域研究了很久的，也有如陈舒荧这样，从医学专业跨界机器人研究的初期探索者。
自研机器人，与“真实商战”不期而遇
北京理工大学，常与“自主研发”紧密相连。而队长季子上所在的CyberPrime队，由三名博士、三名硕士组成，核心成员大多来自北京理工大学。
队长季子上考入北京理工大学时，最初是被材料科学专业录取。在对机器人产生兴趣之后，他通过校内选拔进入全英授课的机电学院机器人实验室。“那时是2022年，只是觉得机器人这个方向很酷、很帅。没想到一两年后，机器人领域就迎来了大爆发。”他回忆道。
研究方向撞上“风口”，一切似乎都进展顺利。数年来他参加了不少比赛，拿下奖项无数，更重要的是，在四足机器人这个领域，他深深钻了进去。
那种爬坡爬到一半，发现又要重新学习新技术的感觉，季子上也同样经历过。早些年，用现代控制理论去做机器人控制的方法一度非常火。随着显卡迭代，助力强化学习的发展，就在短短一两年之内，传统控制算法突然被淘汰了。
他所在的实验室是国内最早研发四足机器人的团队之一，在 ATEC 的赛场上，他们也选择用自研产品参赛——这款产品已经研发数年，相关商业化探索也即将展开。但是他没想到的是，在这里，他们提前遭遇了未来市场上的强大对手。
但赛事主办方为参赛选手提供了成熟的硬件解决方案，大多数参赛者都选择了行业头部的设备。
但季子上的赛队还是坚持用了自研机器人。“如果只是为了赢，我肯定用成熟的商业化机器人，但我们也想通过比赛多考验一下我们的机器人。结果意外地发现用了自己熟悉的机器人，可以进行硬件上的灵活适配，反而成为比赛成功的关键因素之一”。
自觉肩负使命与未来的人，面对变化时，只会尽快适应它、超越它。
谈到机器人发展的未来，他的想法与其他几位选手类似——机器人应该做更多人类无法完成的工作，而不是人类能力范围内的事情。面对足够强大的竞争对手，季子上对自研机器人也有信心——够结实、续航长，做到一定的程度，也是技术壁垒。
“让机器人去承担人类危险的工作，或者完成人类无法完成的任务，是我们这一代机器人研发者更重要的使命。”季子上说。
十年之约：用理想对抗漫长时光
比赛落幕时，香港中文大学的山坡上，夕阳把人们的影子拉得很长。
当问起具身智能什么时候能达到大众期待的水平，ATEC 2025 专家委员会主席、香港工程院院士刘云辉认为：“五年之内实现都相当困难。”
而刚刚从长达半年的比赛中告一段落们的选手，给出的答案更加克制，或者说保守。有的选手的回答是十年，有的选手抱着与目标“死磕”二十年甚至三十年的预期。
在比赛里，让机器人自主完成任务、实现“无遥操”，是加分项。但是在真实世界里，机器人要真的成为具身智能，要真的走进千家万户，能够自主完成复杂任务就是必须做到的前提条件。
他们知道，具身智能的发展不会一蹴而就，嘲笑和质疑也会如影随形。但就像蚂蚁集团技术研究院何征宇在开幕式上说的：“所有伟大的技术进步，都是在失败、难题、很少人喝彩的地方被逼出来的。”
研究者们，正是在一次次失败中，把机器人从实验室一步步带到真实世界，用每一次调试、每一次改进、每一次在嘲笑声中的重新站起，铺就一条通往未来的道路。
现在的技术或许还稚嫩，但就如同 2012 年那场 ImageNet 比赛，冠军获得者的错误率也高达 28%，但就是这样一个几乎“所有人都失败”的赛场里，一个被质疑“走过时路线”的教授，带着他的学生提交了一套没人太看得上的模型—— AlexNet。
当时的人们，谁能想到，一个全新的深度学习时代正是在这样的起点开始？
或许多年以后，人们也会想起这个冬天，有一群研究者在布满青苔的台阶上，走出了关键的一步又一步。
精彩评论