Articles

AGIBOT 举办 2026 年世界挑战赛,看看人工智能模型在实际任务中的表现如何

挑战赛的参与者测试并调试了执行不同任务的机器人。 |来源:AGIBOT
AGIBOT创新科技有限公司上周在维也纳与ICRA 2026一起主办了2026年AGIBOT世界挑战赛。该公司汇聚了来自 27 个国家的 526 个研究和企业团队,在“从推理到行动”和“世界模型”这两个具体人工智能赛道上展开角逐。
总部位于上海的 AGIBOT 表示,此次比赛凸显了评估具体人工智能的方式方面发生了重大转变。该公司表示,这表明该行业正在超越模拟分数,转向对真实机器人、真实任务和标准化基准进行闭环测试。
竞争ion 采用了基准驱动的形式,将在线自动评估与在维也纳举行的线下真实机器人决赛相结合。借助 AGIBOT 的 EWMBench 和 Genie Sim Benchmark,一致的框架实现了自动化测试、标准化指标和可重复的结果。
在线下决赛期间,决赛团队使用 AGIBOT G2 人形机器人完成了任务。通过将真实机器人验证纳入评估过程,竞赛将机器人稳定性、现实世界适应性和长期任务可靠性置于评分系统的中心。该公司(又名致远机器人有限公司)表示,这使技术评估与实际部署需求更加紧密结合。
本次挑战赛吸引了来自领先机构和公司的研究和行业团队,包括中国科学院、清华大学、中国科学技术大学、加州大学圣地亚哥分校、俄罗斯 Sber 机器人中心、阿里巴巴、Amap,和体内。超过 100 支团队超越了官方基线。
R2A 和 WM 赛道有什么区别?
2026 年 AGIBOT 世界挑战赛的两条赛道反映了嵌入式人工智能从任务执行到更广泛的演变根据 AGIBOT 的说法,理解、预测和决策。
行动推理 (R2A) 跟踪评估机器人如何理解任务、计划行动以及在物理环境中执行任务。 R2A 赛道由 2025 Manipulation 赛道升级,将评估从动作执行扩展到环境理解、任务规划和物理执行的全过程。
世界模型 (WM) 赛道专注于人工智能系统如何根据机器人动作和传感器输入预测物理世界变化和模型交互。
团队使用 AGIBOT WORLD 开源数据集和模型训练推理和操作模型。d通过Genie Sim 3.0对其进行评估,基准涵盖语言理解、空间推理、原子技能、干扰适应和零样本迁移。
最终排名中,来自vivo的PrismBot以43.47分获得冠军,上海RoboParty的RP-VLA以35.66分紧随其后,俄罗斯的GreenVLA以33.19分紧随其后。
AGIBOT 以挑战超市任务为目标
除了竞争之外,AGIBOT 和 Dexmal 还推出了专注于端到端决策和整体控制的超市基准测试。该赛道融入了非理想的物理交互,包括物体掉落和抓取失败,以更好地反映现实世界交互的复杂性,为世界模型研究提供更实用的评估框架。
以现实的零售环境为背景,赛道需要模型来完成完整的移动操作在货架高度限制和随机物品放置等物理限制下,从自主导航和物品拣选到物品运输和放置。通过基于API的远程控制,参赛者的算法直接控制真实的机器人,为评估面向部署的场景中的体现智能创建了实用标杆。
在世界模型(WM)赛道中,来自中国科学院自动化研究所和高德计算机视觉实验室的联合团队NeoVerse-ABot获得了第一名。来自中国科学院工业人工智能研究所的PAI@IAII团队排名第二。中国科学技术大学的 Loop 团队获得第三名。

通过世界挑战赛,AGIBOT 希望为实体人工智能打造一个更加实用、可重复的评估框架。 |来源:AGIBOT
AGIBOT发布机器人验证全栈工具链
除了竞赛本身,AGIBOT还开放了涵盖真实数据、仿真评估和真实机器人测试的全栈工具链。该工具链包括 AGIBOT WORLD 开源数据集、Genie Sim 3.0 和 AGIBOT G2 机器人平台,帮助开发人员验证从训练到模拟和物理部署的整个路径中的模型。
EWMBench 和 Genie Sim Benchmark 支持标准化指标、自动评估以及模拟和物理测试的可比较结果。他们解决了评估标准不一致以及模拟性能与实际部署之间的差距等常见挑战。
AGIBOT表示将整合技术和生态系统资源通过竞赛及其持续的基准开发和开源工作而发展起来。公司还计划推出在线仿真排行榜,引入更多的测试任务和多样化的基准测试,支持对模型能力进行更全面的量化评估。
此外,AGIBOT表示将与全球研究机构、开发者和行业合作伙伴合作,不断完善基准测试和全栈工具链。其既定目标是帮助具体人工智能从单独的算法进步转向可以在现实世界环境中部署和扩展的系统。
在其他基准新闻中,Fraunhofer IPA 上个月为人形机器人提供了新的测试基准,NIST 提出了自己的人形机器人基准性能基准。