在杭州舉辦的國際機器人與自動化大會（IROS）期間，AGIBOT World Challenge機器人挑戰賽線下決賽圓滿落幕。這場由智元機器人與OpenDriveLab聯合主辦的賽事，吸引了全球頂尖科研力量的參與，最終清華大學聯合上海AI Lab的AIR-DREAM團隊摘得桂冠，華南理工大學與香港大學團隊分獲二、三名。
決賽現場，11支來自世界各地的高校與研究機構隊伍，在六大真實物理任務中展開激烈比拼。任務設置涵蓋倉庫整理、動態分揀、衣物折疊、廚房操作等場景，全面檢驗機器人系統的操作精度與適應能力。參賽隊伍需在限定時間內完成物體抓取、傳送帶分揀、衣物折疊、微波爐操作、貨架補貨及倒水等具體任務，每個動作的完成質量都直接影響最終得分。
冠軍團隊AIR-DREAM憑借自主研發的X-VLA模型脫穎而出。該模型通過引入實體特定軟提示技術，有效解決了跨平臺機器人數據兼容難題，實現了不同硬件間的知識遷移。團隊成員介紹，這種可擴展的視覺-語言-動作架構，顯著提升了機器人在復雜環境中的決策效率。
獲得亞軍的華南理工大學"單人戰隊"曾嘉龍，展示了獨特的參賽策略。在算力資源有限的情況下，他采用快速微調預訓練模型的方法建立基準，再通過低成本改進逐步優化性能。這種"小步快跑"的研發模式，使其在單人參賽的不利條件下仍取得優異成績。
香港大學Firebot團隊則展現了高效的資源利用能力。他們以預訓練模型π0為基礎，結合RoboTwin 2.0仿真平臺進行數據生成，通過并行強化學習在10天內完成技術路線搭建。團隊負責人陳天行透露，8塊A100 GPU的集群運算與豐富的部署經驗，是他們快速突破的關鍵。
賽事技術委員會介紹，本次決賽特別設置7:3的訓練測試場景比例，重點考察機器人在未知環境中的適應能力。以"整理雜貨"任務為例，機器人需在90秒內從桌面抓取三個零食并放入購物袋，每個動作的完成質量都通過傳感器精確評估。而"動態分揀"任務則要求機器人在移動的傳送帶上完成至少三次抓取，模擬真實物流場景的挑戰。
在"折疊短袖"任務中，機器人需在150秒內完成衣物抓取、對折、整理的全流程。這個看似簡單的動作，實則考驗著系統對柔性物體的感知能力。賽事技術總監指出，布料在折疊過程中的形變控制，是當前機器人操作技術的難點之一。
除競技環節外，智元機器人在展會現場展示了多款前沿產品。其中剛發布不久的精靈-G2機器人首次公開亮相，其射箭演示引發觀眾熱議。通過遙操作技術，該機器人實現了毫米級控制精度，現場觀眾可親自體驗其超低延遲的操作反饋。
本次大賽作為AGIBOT World Challenge@IROS 2025的收官之戰，設置了總計56萬美元的獎金池。經過三個月的線上仿真賽，來自23個國家和地區的431支隊伍參與初選，最終11支戰隊晉級線下決賽。在Manipulation賽道外，World Model賽道聚焦物理世界預測技術，三支團隊憑借對AgiBot World數據集的創新應用分獲前三。
賽事期間，智元機器人還展示了靈犀x2、遠征A2等系列產品。這些搭載最新具身智能技術的機器人，在現場演示了復雜環境下的自主導航與任務執行能力。參展專家表示，這類技術突破正在推動機器人從實驗室走向實際應用場景。
