破解具身智能核心瓶颈，宇树发起全球性物理AI挑战

7月10日，宇树科技正式对外公布了物理AI UniBot世界挑战赛的启动信息。这项赛事的设立并非为了简单的技术展示，而是直指当前人工智能领域一个公认的难点：如何让具身智能模型在真实、复杂且多变的环境中，像人类一样灵活地执行多种任务。

为何聚焦“泛化能力”？

当前，许多大型模型在特定、封闭的测试环境中表现出色，但一旦置身于充满不确定性的真实世界，其性能往往会大幅下降。这种“泛化能力”的缺失，是制约机器人从实验室走向家庭和工厂的关键障碍。UniBot挑战赛正是为了量化并推动解决这一问题而设计的。

赛事的核心目标，是围绕复杂多样的桌面操作场景，构建一个统一且规模化的真实硬件评测体系。它要求参赛模型不依赖针对单一任务的专门优化，而是考验其作为一个“通才”的底层能力。

两大核心任务，全面检验AI“动手”能力

挑战赛设置了两个紧密关联又各有侧重的评测任务。

任务一：人形机器人多场景泛化评测

首个任务基于宇树自研的Unitree G1人形机器人平台展开。评测将模拟五种不同的泛化场景，要求单一模型完成一系列未预先精确训练过的操作。最终，模型的表现将通过平均成功率和平均步骤分两个关键指标进行综合计分。这不仅看机器人能否“做成”，还要评价它完成任务是否高效、直接。

任务二：32项真实桌面操作挑战

第二个任务则更加具体和繁复。它精心设计了多达32项贴近真实世界的桌面操作项目，全面覆盖抓取、放置、双手协调操作等核心技能。从拾取不同形状、材质的物体，到将其精确放入指定位置，再到需要两只“手”配合完成的复杂动作，这套任务集旨在全方位、高密度地检验物理AI系统的可靠性与灵活性。

通过这两大任务，UniBot世界挑战赛希望为全球的研究团队提供一个公开、公平的竞技场，共同推动具身智能从“专才”向“通才”的实质性跨越。