（来源：千龙网）

一边是融资的火热、表演的精彩，一边是进入日常场景后的“水土不服”。 8月18日至20日，记者连续探营2026世界机器人大会与第二届世界人形机器人运动会场景赛预赛，发现了机器人行业不同的现状。

在人形机器人运动会场景赛预赛中，记者发现，很多机器人对插充电线、拆药盒等日常简单任务的完成程度远不及真人，能够得到高分的赛队往往是遥操形式，自主机器人的表现并不理想。但在机器人大会现场，超过1600家参展商带来的机器人演示了多种多样的场景，却鲜有“翻车”。

这究竟是为什么？8月20日，宇树科技创始人王兴兴在机器人大会上的一席演讲意外解答了记者的问题。王兴兴说，“全世界目前最大的瓶颈是具身智能的泛化能力不够，当前全球多数AI模型，在固定场景中经过充足的数据采集和专项训练后，任务成功率基本可以接近100%。但只要更换操作物品，或是稍微改变环境，机器人的任务成功率就会出现大幅下降。”

机器人运动会预赛上来自第三方布置的场景，准备的交互材料往往会成为改变环境的微小变量，直接导致自主机器人任务失败，这背后正是机器人“泛化性”不够的体现。

现在机器人距离真实人类的水平还有多远？如何才能让机器人更具泛化性？带着这些问题，记者连续三天探营“冰丝带”及北人亦创国际会展中心，对一线机器人行业从业者进行了采访。

第二届世界人形机器人运动会“打包入库”项目预赛，机器人把药盒放入纸箱。新京报记者　罗亦丹　摄

关注1

真实场景“大考”让机器人走出实验室

8月22日，第二届世界人形机器人运动会将在北京国家速滑馆“冰丝带”开幕。开幕前夕，记者对其场景赛的预赛项目进行了探营，实地感受了机器人现场“干活儿”的样子。

以“打包入库”和“线缆连接”两个比赛项目为例，前者需要机器人完成把药片放进药盒、把药盒放进纸箱里等三个流程，后者则需要机器人把USB数据线插进插头里。

记者发现，这两个赛项里，能够完整达成任务要求的几乎全是遥操队伍，以全自主机器人方式参加比赛的队伍完成度并不高。例如在“打包入库”赛项中，记者注意到有全自主机器人不小心碰歪了打包箱，导致后续所有药盒都“放歪”，缺少对第一个错误之后进行修正的程序。

“该赛项目前在完成度上遥操作的多一些，自主机器人更难，有些自主机器人在点下程序开始运行后，就不能再做修改，一旦第一个动作（装盒）出现小错误，后续都会受影响，因为它无法反馈。而遥操作中，人可以随时反馈突发状况，再及时控制调整。”场景赛（打包入库组）裁判员林子煜告诉记者。

在比赛中，机器人所处场景的光线、交互物品的软硬度等都可能对比赛过程产生影响。参加“线缆连接”比赛项目的灵心巧手赛队参赛队员何祎告诉记者，他们在机器人本体到位后，花了约一个月时间进行数据采集和训练，中间遇到不少软硬件联调的“坑”。参赛前一天，团队成员通宵，直到当天凌晨才成功完成一次。

而在参赛当天，何祎发现赛场提供的线材“特别软”，提起后两头直接“垂下”，让接插类操作更加复杂，“我们之前采购的线材比赛场用的稍硬一些。”

“这项任务非常考验灵巧手指尖的细节操作，由于线材非常软，如果灵巧手没有‘指甲’，根本抓不起来。因此我们对灵巧手做了改装，加装了铁质指甲，从而能够夹起极软的线。之后还有一个左右手对接的操作，其难度堪比宇航员太空对接，毫不夸张——因为线头特别小，需要视觉识别这个极小的线头，再由右手完成对接。”何祎说。

通过真实场景的“大考”让机器人走出实验室，落地到充满差异化的真实现场，正是机器人比赛的意义。何祎告诉记者，这次比赛为他们的后续工作积累了经验，特别是在工业领域的柔性装配方面。

关注2

追求泛化性是机器人企业共同的目标

8月19日-23日，2026世界机器人大会在北京亦庄举行，记者在走访中发现，不少企业都提到了要攻克机器人的泛化性难题，让其能够在不止一个场景里工作。

清华大学车辆与运载学院和人工智能学院联合孵化的具身智能公司光象科技，其智能机器人Phi-Bot X1现场真机演示了“一机多能”，不间断执行焊接上下料与移动质检任务。光象科技COO郑可向介绍，这是行业首次实现单台具身智能机器人在不同作业类型异构工位间的自主循环作业，验证了物理原生智能从单一任务向多任务泛化的技术可行性，“以前这个工位需要2到3个产业工人，现在只需要一个机器人。”

蚂蚁灵波则把药房场景“搬”到了机器人大会现场。展会工作人员介绍，在上海国大药房的门店里，蚂蚁灵波机器人已经正式上岗，承担夜班分拣任务，“这套系统没有对门店做任何硬件改造，机器人在原始环境下就能自主接单、识别药品、完成分拣。这背后主要是我们的通用大脑模型的能力，现在具备泛化性的通用大脑是‘稀缺资产’。”

在超维动力展台，记者和机器人“对打”了三局乒乓球。超维动力展台工作人员介绍，其机器人打乒乓球的能力来自SMASH 2.0高动态人形乒乓系统，其中SMASH核心算法已实现跨本体部署，同一套算法可适配不同机器人进行对打。而再往深挖，背后则是世界模型带来的学习能力，其研发的KAI世界模型通过三步闭环实现对物理世界的深度学习：生成虚拟世界进行动作交互，再通过模型评估理解，最终掌握物理世界规律。模型同时支持生成与重建两类任务，最终实现跨任务、跨本体泛化。

而老牌机器人企业睿尔曼智能展台的工作人员则告诉记者，他们坚信机器人只有长期部署到真实场景中，面对不可预知的物理变量，才能真正理解世界、学会“真干活”。在该企业的展台，记者看到了RealBOT机器人在24小时智慧药店完成补货取药、在配电室完成巡检作业，与北京稻香村师傅双手协作完成京式翻毛五仁月饼的制作等不同的场景。“只有以真实世界的数据构建机器人智能进化闭环，让机器人从经验中学习，才能获得跨任务、跨场景的泛化能力。”

“很多人问泛化性是什么，泛化性通俗可以用培训成本衡量。就像人类新员工上岗需要培训，机器人的培训成本高低直接对应泛化能力强弱。培训成本越低，泛化能力越强；培训成本极高、始终学不会任务，代表泛化能力不足。目前，完成一项新任务，大概需要10小时‘后训练’；我们的目标是未来把训练门槛压缩到1小时，甚至仅需少量样本，即可完成全新长程任务适配。”在世界机器人大会论坛现场，星海图创始人高继扬说。

记者走访世界机器人大会论坛现场发现，提高具身智能的泛化性，解除机器人落地的这一最大“瓶颈”是许多投资人和机器人行业从业者的共同愿景，对于这一时刻的到来，有乐观者预测明年就可能出现这样的机器人公司，也有人预测需要三到五年。

“我希望未来快的话2到3年，慢的话5到10年，如果大家能看到把一台机器人带到任意陌生环境、带到家庭，基本可以实现80%左右的任务，我觉得就差不多已经实现了具身智能的ChatG⁃PT时刻，这就是未来真正产业临界爆发点。”王兴兴说。