5月9日，上海智元机器人基地。

Reasoning to Action（R2A）赛道线下调试现场，十支从全球331支队伍中杀出重围的战队，正围着自己的人形机器人作最后的冲刺。6月1日，他们将飞往奥地利维也纳，站上ICRA 2026（国际机器人与自动化大会）的舞台，争夺AGIBOT WORLD CHALLENGE的最终冠军。

331支报名队伍，来自20多个国家和地区——海外71支，国内260支。其中有科研机构，有刚成立一年的初创公司，也有高校实验室里临时凑起来的“师门战队”。

在这样一支高手云集的名单里，华南理工大学“Embodied horse”团队，排第六。

华南理工大学团队

这支来自华南理工大学的队伍，来自李巍华教授等多名教授、副教授组成的高校科研团队，该团队长期从事于工业人工智能、装备智能运维、具身智能（汽车智能驾驶、人形机器人）等领域的研究。李巍华教授是华南理工大学机械与汽车工程学院院长、国家重点研发计划“智能机器人”专项首席科学家。

智元：开源数据集与仿真平台，为全球开发者降低门槛

这场世界级比赛的举办方之一是智元机器人。作为国内人形机器人领域的头部企业，智元不仅拿出了自研的G2机器人供线下调试，更向所有参赛团队开放了AGIBOT WORLD开源数据集。

据介绍，Reasoning to Action赛道由去年的Manipulation赛道升级而来，考察维度从“动作执行”拓展至“环境理解—任务规划—动作执行”的全链条，聚焦弥合仿真与真机的差距。参赛团队需基于AGIBOT WORLD开源数据集，训练长程任务的推理与操作一体化模型，并使用Genie Sim 3.0仿真平台进行评测。该平台的Genie Sim Benchmark覆盖五大核心能力：语言指令理解、空间关系认知、原子技能操作、环境扰动适应和零样本跨域迁移。

Genie Sim Benchmark

“我们希望有更多的人参与到物理AI开发的全流程中，把门槛降下来。”智元具身解决方案与生态总监沈咏剑在现场告诉记者，“很多实验室买不起机器人，或者买得起但没人维护。我们把数据集、仿真工具、真机调试机会全部开放，让大家先在线证明自己，再到线下亲手摸到机器人。”

华工“Embodied horse”凭什么？

今年的线下赛题一共有四道，每一道都指向不同的技术难点。比如“爆米花”任务，考察机器人在狭小空间内完成平滑轨迹规划，不能把爆米花抖出来；“包裹分拣”则需要机器人依次完成抓取、旋转、扫码、放置，中间涉及腰部和双臂的大范围协同。

华工团队重点攻克的是长序列、精细操作和高推理要求的任务，例如“桌面整理”：机器人需依次完成合上笔记本电脑、摆正笔盒、将零散物品归位等连续操作。难点在于模型必须理解任务目标、判断操作顺序，并在执行中根据环境变化持续稳定决策。

“长序列任务中，机器人不能只完成眼前一步，还需理解前后动作之间的关系。”华南理工大学机械与汽车工程学院博士陈根介绍，这对任务规划和推理能力提出了更高要求。

团队的第一个突破点，就是提升模型的思维链推理能力。

第二个坑，空间感知。

陈根回忆，第一次到上海进行真机调试时，仿真与真实世界的差异迅速暴露：仿真中物体和环境参数相对稳定，而真实场景里机器人需面对接触力变化、物体形变和安全保护机制等问题。这正是比赛最核心的命题——Sim2Real Gap。尽管智元的Genie Sim 3.0已尽力逼近物理属性，但力反馈、纵深感、视觉干扰等只有在真机上才会暴露。

陈根告诉记者，为提升模型在真实场景的适应能力，团队从数据侧增强空间感知，通过优化训练数据，使模型更好地理解物体位置、空间关系和操作顺序，结合视觉定位与动作策略调整，不断提升执行稳定性。

“Reasoning to Action赛道入围前十的高校很少，基本都是公司。高校团队在算力资源等方面确有劣势，但我们的团队能脱颖而出，离不开李巍华教授的重视和长期技术积累。”陈根说，“过去在实验室，我们已经积累了数据处理、模型训练、接口调试等环节的经验，但本次线下赛面对全新场景和G2机器人平台，对模型迁移和现场调试提出了更高要求。”

华南理工大学团队在调试

谈到决赛，陈根说，团队珍惜ICRA舞台的交流机会，期待与国际研究者深入交流，在决赛中充分展现华南理工大学团队在具身智能领域的技术积累，争取好成绩。

而智元具身解决方案与生态总监沈咏剑在采访中告诉记者，维也纳决赛将面临更大的挑战——不同的光照、完全陌生的现场布局、额外的视觉干扰因素。“他们能不能在短时间内把模型迁移过去？我很期待。”

具身智能的赛道很长，比拼的是将技术落到物理世界的系统工程能力。对华工这群年轻人来说，每一次稳定执行，都是向前一步。

6月1日，维也纳。祝他们好运。

文、图/广州日报新花城记者：陈庆辉

广州日报新花城编辑：李光曼