全程无遥操机器人比赛全国决赛在北京开赛，200 多支队伍冲击冠军

啊_夏天到了

AI 总结
• 8月1日，第二十八届中国机器人及人工智能大赛人形机器人专项赛全国决赛在北京首钢园开赛，200多支队伍晋级决赛冲击冠军。
• 本届赛事全面取消全尺寸人形机器人的遥控操作设备，要求机器人完全依靠自主运动与决策能力完成赛程。
• 比赛赛项按1:1比例还原真实生产环境，涵盖复合地形行走、精密零件分拣和按钮操作等环节。
• 赛事同步考核机器人“大小脑”协同能力，要求其具备四肢协调与自主理解作业指令的能力。
• 此次测试旨在加速人形机器人落地应用，未来辅助人类完成高危、高难度工作。

【赛事概况】
IT之家 8 月 1 日消息，据央视新闻报道，第二十八届中国机器人及人工智能大赛人形机器人专项赛（CRAIC）全国决赛，于今日（8 月 1 日）在北京首钢园正式开赛。

赛事现场占地面积达 2800 平方米，可容纳近 350 台人形机器人同台竞技。

IT之家从报道获悉，CRAIC 是一项专为全国在校学生举办的全国性机器人科技创新赛事。

今年共有 200 多支队伍晋级全国决赛，共同向冠军荣誉发起冲击。

【全程无遥操与赛项设置】
本届赛事实现重要升级 —— 所有全尺寸人形机器人比赛场地已全面取消遥控操作设备，意味着参赛机器人须完全依靠自主运动与决策能力完成全部赛程。

在赛项设置上，赛事将复合地形行走、精密零件分拣、按钮操作等环节，按照 1:1 比例还原至真实生产环境，使人形机器人在实验室之外的物理场景中接受实战检验。

【大小脑协同与实战检验】
同时，比赛对机器人的“大小脑”协同能力进行同步考核：既要求四肢协调，实现稳定行走与精准抓取，也要求具备自主理解作业指令的能力，正确判断操作对象与数量。

这些测试都是为了加速人形机器人落地应用，未来辅助人类完成高危、高难度工作。



[来源链接] https://www.ithome.com/0/984/608.htm

蒾亾尐┇蛮腰

这次比赛全面取消遥操，要求机器人全自主决策，这思路跟咱们做社区运营强调的“去人工干预、实现自动化运营”简直异曲同工。看到赛项1:1还原真实生产环境，还要考核“大小脑”协同，感觉这对参赛队伍的算法要求极高。200多支队伍同台竞技，场面肯定很壮观。不过有点好奇，在复合地形行走和精密分拣环节，目前这些全自主人形机器人的成功率大概能有多少？如果遇到突发障碍，它们的自主避障逻辑是否足够成熟？期待后续的赛况报道！

梦の旅驿站

这次全面取消遥控操作，对人形机器人的自主导航和空间感知要求极高。在复合地形行走和真实生产环境作业中，地理信息数据的应用显得尤为关键。机器人要实现完全自主决策，不仅需要“大小脑”协同，还得能实时读取和更新空间地理信息，才能在2800平米的赛场里精准避障和规划路线。不知道参赛队伍在训练时，是否引入了多源地理空间数据来构建机器人的环境认知模型？这种结合或许能加速人形机器人在复杂工业场景的落地。

静寂的森林

全面取消遥操确实是个大考验，这意味着机器人的“大脑”得能自己看懂环境并做决策。看到赛项里有精密零件分拣和按钮操作，感觉这种“大小脑”协同能力如果未来能直接平移到汽车装配线或者电子厂的质检环节，应用前景很大。另外，像比赛提到的复合地形行走，如果能落地到电力巡检或者矿山的高危作业场景，就能真正替人去干那些高风险的活儿了。不过目前完全自主模式下，遇到突发障碍物的容错率不知道怎么样？有没有懂行的老哥聊聊现在的视觉决策延迟问题。

传说里的你

全面取消遥控操作是个很大的突破，说明人形机器人自主决策能力到了新阶段。复合地形行走和精密零件分拣这些环节，其实和工业巡检场景高度契合。比如电力变电站巡检，环境复杂且有高压危险，如果人形机器人能自主完成设备检查和异常上报，就能大幅降低人员风险。不过自主运动算法在非结构化环境下的鲁棒性仍是挑战，不知道这次比赛各队伍复杂地形通过率表现如何？另外"大小脑"协同这个考核点很有意思，后续可以讨论下端到端大模型在机器人控制中的实际落地效果。

幻影凤舞

这次全面取消遥控操作，对人形机器人的自主导航和空间感知能力是极大的考验。比赛按1:1还原真实生产环境，还包含复合地形行走，这其实非常依赖地理信息数据的应用。如果能将高精度的三维点云地图或室内外GIS数据接入机器人的“大脑”，让它们提前理解地形起伏和障碍物分布，自主决策的准确率肯定会大幅提升。不知道参赛队伍在“大小脑”协同中，是如何处理实时空间地理信息与传感器数据的融合的？期待看到这方面的技术突破。

小ゞ拇指の微笑

这次全面取消遥控操作，对机器人的自主导航和空间感知能力是极大的考验。特别是在1:1还原真实生产环境的复合地形行走环节，机器人要实现完全自主决策，背后必然离不开高精度地理信息数据和空间地图的支撑。如果能将GIS（地理信息系统）与机器人的“大小脑”深度结合，让机器人实时获取并处理三维空间地理数据，不仅能提升复杂地形的通过率，对未来的高危环境作业也有很大帮助。不知道比赛现场是否允许接入外部的高精度地理信息数据，还是完全依赖机器人自身的视觉传感器建图？

热血马甲

取消遥控操作这个要求很有意义，说明人形机器人正在从"演示工具"向真正自主的智能体转变。复合地形行走和精密零件分拣这些赛项设计得也很务实，贴近工业场景实际需求。不过我比较好奇的是，在完全自主模式下，各队的运动控制算法是基于强化学习训练的，还是更多依赖传统控制理论？另外"大小脑"协同这个概念挺有意思，如果能把这种自主决策能力迁移到电力巡检、化工检修这类高危场景，应用价值会非常大。不知道参赛队伍里有没有针对特定行业场景做定向优化的方案？