Robocikowo>ROBOCIKOWO
Sztuczna Inteligencja

15 zespołów, 48 godzin, prawdziwy robot. Finał wyzwania Robbyant

Pan Robocik18 listopada 2026 · 6 min czytania
15 zespołów, 48 godzin, prawdziwy robot. Finał wyzwania Robbyant

Robbyant awansuje 15 zespołów do szanghajskiego finału swojego pierwszego Embodied AI Challenge, w którym uczestnicy będą w ciągu 48 godzin przenosić własne modele na fizyczne roboty. Firma potwierdziła to serwisowi Humanoids Daily, dodając szczegóły sprzętowe do ogłoszenia z 27 października o ponad 1800 zarejestrowanych zespołach z 13 krajów.

Najważniejsze w skrócie

  • Finał 14–16 listopada w Szanghaju, format 48-godzinnego hackathonu na fizycznym sprzęcie
  • Platformą jest Cobot Magic od AgileX Robotics — dwuramienny układ do manipulacji mobilnej
  • Bazą zawodów jest otwarty model LingBot-VLA 2.0, trenowany na 50 tysiącach godzin danych robotycznych
  • Zgłoszono ponad 1800 zespołów, ale liczba zgłoszeń kwalifikacyjnych nie została podana
  • Zadania finałowe, kryteria punktacji oraz zakres wcześniejszego dostępu do robotów są wciąż ustalane

Wyobraźmy sobie taką sytuację

Zespół dostraja model do zadania „podnieś kubek i postaw go na tacy”. W symulacji skuteczność dochodzi do 95 procent. Wyniki wyglądają na gotowe do publikacji.

Na fizycznym robocie ten sam model chybia co drugie podejście. Kubek odbija blask lampy, czego kamera w symulacji nie modelowała, opóźnienie sterowania jest o kilkadziesiąt milisekund większe, a przegub ma luz, którego w modelu nie było.

Ale pojawia się problem: ta różnica nie wychodzi w żadnym rankingu liczonym w symulacji.

Właśnie na tym polega sens finału, w którym zespoły mają 48 godzin na dostosowanie modelu do realnej maszyny. Liczby w tym przykładzie są poglądowe — organizator nie opublikował żadnych wyników.

Jak wygląda to wyzwanie?

Zawody organizuje Robbyant, firma zajmująca się embodied AI, należąca do Ant Group, razem z ModelScope i Alibaba Cloud Tianchi. Wystartowały we wrześniu — w ogłoszonym zakresie mieszczą się trening i fine-tuning modelu, generalizacja w symulacji oraz dostosowanie do realnych robotów.

Wydarzenie 14–16 listopada wykorzysta Cobot Magic firmy AgileX Robotics, czyli dwuramienną platformę do manipulacji mobilnej. Wybór tego sprzętu sprawia, że finał jest konkursem manipulacji mobilnej, a nie porównaniem konstrukcji humanoidalnych.

Tony Peng, doradca prasowy Ant Group, napisał w odpowiedziach dla Humanoids Daily, że finaliści będą musieli „dostosować, zoptymalizować i wdrożyć swoje modele na fizycznych robotach”. Zgłoszenia kwalifikacyjne są jeszcze oceniane, więc piętnastka finalistów nie została wskazana.

Etap online
Rejestracja i praca nad modelemponad 1800 zespołów z 13 krajów
Trening i fine-tuning na bazie LingBot-VLA 2.0generalizacja sprawdzana w symulacji
Zgłoszenie przechodzi kwalifikację?
TAK
Awans do finałuAllow
NIE
Koniec udziałuDeny
Finał
48-godzinny hackathon w SzanghajuCobot Magic, dwa ramiona, baza mobilna
Punktacja zadań finałowychkryteria wciąż ustalane przez organizatora
Uproszczony przebieg zawodów Robbyant — od rejestracji do finału na fizycznym robocie.

To uproszczony przebieg na podstawie ogłoszonego zakresu zawodów — ostatni krok pozostaje nieokreślony, bo organizator nie opublikował jeszcze zasad punktacji.

Czym jest LingBot-VLA 2.0?

Model bazowy zawodów to LingBot-VLA w wersji 2.0, czyli model klasy vision-language-action — przyjmuje obraz i polecenie językowe, a zwraca akcje dla robota.

Według strony technicznej producenta pretrening drugiej wersji oparto na szerszej mieszance danych: około 50 tysięcy godzin realnych danych robotycznych oraz około 10 tysięcy godzin egocentrycznych nagrań manipulacji bez udziału robota.

Ta druga pula jest tu ciekawsza. Nagrania z perspektywy pierwszej osoby pokazują ludzkie dłonie wykonujące zadania i nie wymagają żadnego sprzętu robotycznego do zebrania. W zamian trzeba je oczyścić — producent opisuje filtrowanie etapami, w którym odpadają materiały z niestabilnym śledzeniem kamery, nieciągłą trajektorią dłoni albo zbyt małym udziałem klatek z widoczną dłonią.

Dla uczestników zawodów istotne jest to, że startują z modelu już wytrenowanego na tej skali. Przedmiotem konkursu nie jest więc pretrening, lecz adaptacja — czyli dokładnie ta część, która w praktyce decyduje o wdrożeniu.

Dlaczego nie wystarczy ranking w symulacji?

Dziś większość porównań modeli robotycznych odbywa się w symulacji, bo jest tania, powtarzalna i można ją uruchomić równolegle dla setek zespołów. Pierwszy etap tych zawodów też właśnie tak działa.

Problem polega na tym, że symulacja nie modeluje części rzeczy, które w rzeczywistości psują wykonanie: odbić światła, luzu w przegubach, opóźnień sterowania, różnic w tarciu. Przeniesienie modelu na fizyczną maszynę — sim-to-real — jest osobną umiejętnością, a nie formalnością po dobrym wyniku.

Dlatego prostsze rozwiązanie, czyli rozstrzygnięcie zawodów rankingiem symulacyjnym, mierzyłoby co innego, niż obiecuje sam konkurs. Finał na fizycznym sprzęcie przenosi punkt ciężkości na adaptację.

Jest jednak drugi problem, którego sam format nie rozwiązuje. Sukces po wielu próbach na znanym zadaniu znaczy coś innego niż poradzenie sobie z nieznanym przedmiotem albo nowym otoczeniem. Bez powtarzanych prób i bez rozliczenia interwencji człowieka nie da się odróżnić udanego podejścia od stabilnej skuteczności.

Warto też zwrócić uwagę na samą liczbę finalistów. Piętnaście zespołów to zbiór na tyle mały, że wyniki będą czytelne pojedynczo, a nie jako rozkład. To dobra wiadomość dla przejrzystości i zła dla wnioskowania statystycznego — przy takiej próbie różnica między pierwszym a trzecim miejscem może wynikać z doboru zadania, nie z jakości adaptacji.

Co znaczą te nazwy?

Trzy pojęcia potrzebne do czytania zasad tych zawodów:

  • VLA — model przyjmujący obraz i polecenie w języku naturalnym, zwracający akcje. Odpowiednik modelu językowego, tylko że na wyjściu są ruchy silników, nie tekst.
  • Dane egocentryczne — nagrania z perspektywy pierwszej osoby, pokazujące ludzkie dłonie przy pracy. Zbiera się je bez robota, więc skalują się taniej niż teleoperacja.
  • Manipulacja mobilna — połączenie chwytania z jazdą, czyli robot, który sam dojeżdża do przedmiotu. Cobot Magic realizuje to dwoma ramionami na bazie jezdnej, bez nóg.

Ostatni punkt wyznacza granicę wnioskowania z tych zawodów: pokażą, jak dobrze model adaptuje się do sprzętu, ale nie powiedzą nic o lokomocji dwunożnej.

Czy to już działa?

Zawody trwają, finał jest przed nami, a zasady jego punktacji nie zostały ustalone. Robbyant podał, że projekt zadań i kryteria oceny są jeszcze opracowywane. Nie potwierdzono, czy finaliści zetkną się z nieznanymi przedmiotami, otoczeniami albo zadaniami, ani jak duży dostęp do robotów i realnych danych treningowych dostaną wcześniej.

Zapytany o poprawę względem bazowego LingBot-VLA 2.0 oraz o publikację porównań z baseline'em, wyników i nagrań pełnych podejść, Peng odpowiedział, że ocena trwa i szczegóły pojawią się później. W tej odpowiedzi nie znalazło się zobowiązanie do publikacji tych materiałów.

Liczba rejestracji świadczy o dużym zainteresowaniu, ale nie należy czytać jej jako 1800 ukończonych zgłoszeń kwalifikacyjnych.

Dlaczego to ważne?

Otwarte modele robotyczne są dziś porównywane głównie na własnych benchmarkach producentów. Zawody, w których zewnętrzne zespoły adaptują ten sam model na identycznym sprzęcie w jednakowym limicie czasu, dają rzadką okazję do porównania samej umiejętności adaptacji. Wartość dowodowa zależy jednak całkowicie od zasad, których jeszcze nie ogłoszono.

Co dalej?

  • Finał odbędzie się 14–16 listopada w Szanghaju na platformie Cobot Magic
  • Organizator ma dopiero ogłosić zadania finałowe, kryteria punktacji oraz zakres wcześniejszego dostępu do robotów i danych
  • Brak zobowiązania do publikacji porównań z modelem bazowym, wyników i nagrań pełnych podejść — to one zdecydują, czy wyniki będą sprawdzalne

Źródła

Udostępnij ten artykuł