技术的终极价值，在于实用
当前，具身智能正处于从“实验室演示”向“规模化落地”跨越的关键周期。业界普遍认为，大模型赋予了机器“大脑”，但如何让这副大脑精准驱动“身体”完成复杂物理交互，仍是悬而未决的难题。特别是在非结构化环境中，机器人的泛化能力与操作精度，往往决定了其商业价值的上限。
在具身智能的演进道路上，存在着一个经典的认知错位：
人类视为高难度的逻辑推理，机器往往能轻松胜任；而人类习以为常的感知与运动技能，却让机器复现变得异常艰难。
正如 AlphaGo 可以击败围棋冠军，却难以在机器人体内稳稳抓活一只猫；大模型能解奥数难题，却未必能驱动机械手精准捏起一支笔。
这种预期与现实的偏差，被称为莫拉维克悖论。
鉴于对现有通用人形机器人赛事的局限性感到不满，前 Google 资深机器人专家 Benjie Holson 创立了Benjie’s Olympics，旨在向全球机器人专家发起真实场景下的挑战。
在这个具身灵巧操作奥林匹克的“赛场”上，机器人需挑战 15 项任务，涵盖抹花生酱、清洗油腻平底锅、插钥匙开锁、翻转袜子等人类日常动作。
这些正是莫拉维克悖论中，机器最难处理的典型场景。
据悉，有参赛团队耗时 6 个月打磨演示方案，却在挑战中遭遇“滑铁卢”，3 天内失败率高达 90%，足见赛事的严苛与残酷。
这 15 项任务划分为 5 个赛事单元：开门、洗衣、基本工具使用、指尖操作、湿滑路面。
每个单元下设 3 个任务，按难度分级为金银铜牌。唯有每项任务夺得第一，方能摘得对应奖牌。
经过多轮激烈角逐，来自中国的具身智能公司星动纪元，一举斩获三项任务全球第一，其中包括两项金牌难度任务第一，一项银牌难度任务第一。
在剥橘子、开锁、翻袜子任务中，其表现全面超越美国明星具身智能公司 Physical Intelligence（简称”PI”），刷新世界纪录。
值得注意的是，在其他评测中出现的 PI 模型，多是由第三方基于其开源模型运行，并非 PI 主动参赛。
但 Benjie’s Olympics 是PI目前唯一一个主动参加的比赛，且使用的是闭源模型，代表了其最高技术水平。
星动纪元作为该赛事目前唯一上榜的中国具身企业，也是唯一一个在该比赛中打败了 PI闭源模型的玩家。
与正规机器人大赛相比，Benjie’s Olympics 摒弃了繁琐的报名流程与华丽的赛事包装，只因最纯粹的实操能力对决，吸引了全球顶尖具身智能公司的关注。
Scientific American评价其为物理智能终极真实压力测试：
“it’s where demos die and useful robots are born.”
（Demo 死在这里，实用机器人从这里诞生。）
Benjie’s Olympics 的核心特质是强制泛化而非复现。
它不考察机器人对固定场景的机械复刻，只检验其在真实复杂环境中的自适应、自决策能力。
换言之，只有真正具备泛化与触觉智能的系统，才能在比赛中存活。
在 Benjie’s Olympics 上，首个拿到多枚金牌的 PI 团队曾给出评价：
“Every task targets the hardest unsolved problems in embodiment: deformables, contact-rich manipulation, long-horizon autonomy. No other contest comes close.”
（每个任务都瞄准具身智能最难未解问题：柔性物体、高接触操作、长时序自主。没有其他比赛能比肩。）
别看只有 15 个比赛项目，参赛规则十分严苛，要求全自主，开始后无遥控、无人工介入、无远程修正；
无仿真，必须在真实家庭场景下操作，保证有真实光照、纹理、摩擦、噪声；
环境随机、物体也随便摆放，不可贴标记，也不可预扫描地图。完全就是闭卷裸考。
唯一让 Benjie Holson 拿不准的，是该不该允许“手臂固定在桌子上”的机器人参赛。
他把决定权交给网友，投票结果显而易见，只允许可移动的机器人参赛。（难度再次加大）
在金银铜牌的设置上，Benjie’s Olympics 有一套自己的规范。
比如洗衣这个赛事单元：“将 T 恤衫里外翻转折叠”是铜牌；“把袜子翻过来”是银牌；挂一件男士衬衫能拿到金牌。
对机器人指尖的考验：“卷起配对的袜子”是铜牌；“使用狗粪袋捡起便便”是银牌；“剥橙子”是金牌。
每个任务，Benjie Holson 都真人示范一遍。
比赛还规定，只要参赛选手的成绩比上一个冠军的成绩至少提高 25%，即可获得奖牌。
看过这 15 个任务的机器人专家都说，多数队伍连铜牌都过不了。
就像剥橙子这个无需任何外部工具即可完成的动作，机器人会非常棘手。
而且，橘子果皮易破、果肉易碎，这个任务难点是要求机器人精准区分果皮与果肉的细微视觉特征，实时跟踪剥制过程中的果皮形变，要求视觉感知有极高的鲁棒性。
再看开锁，也是金牌难度任务。
钥匙孔为毫米级微小目标，要求机器人精准识别钥匙孔的位置、角度，同时完成钥匙的姿态理解，实现毫米级对准，还需克服光照变化、金属反光、视角偏差等多重干扰，无疑是对机器人精细操作与空间感知的双重挑战。
这两项金牌难度任务，星动纪元均打破纪录，摘得第一。
剥橙子，之前 PI 团队借助削皮刀工具，在 2 分 46 秒完成；这次星动纪元纯手剥，1 分 47 秒完成，速度提升 35%。
他们也成了赛事首个实现完全无工具纯手剥操作的团队。
Benjie’s Olympics 公布星动纪元两项金牌（开锁、剥橙子）任务第一
开锁，PI 团队 66 秒完成；星动纪元只用了49 秒，速度提升 25%。
在银牌难度任务“翻袜子”中，星动纪元也战胜了 PI。
作为检验模型家用泛化能力的核心标杆，翻袜子是柔性物体操作、样本泛化、效率敏感的典型场景。
袜子翻转过程中会发生复杂、无规律的形变，要求机器人实时跟踪形变，精准区分袜子的内外侧、开口位置，对视觉感知、柔性物体跟踪能力要求极高。
PI 用了 176 个样本，1 分 33 秒完成；星动纪元只用了120 个样本，不仅样本量减少 32%，翻袜子速度也比 PI 提升了 30%。
Benjie’s Olympics 公布星动纪元银牌任务（翻袜子）第一
这三项任务，星动纪元均是全球第一，并创下新世界纪录。
星动纪元能在如此严苛赛事中取得成绩，靠的不是运气，自研的VLA 具身大模型功不可没。
该模型具备三个关键优势，没有一个是虚的，个个都能派上大用场。
第一个优势，是基础模型知识迁移能力，也就是让机器人学东西不费劲。
传统具身智能模型依赖海量训练数据，泛化能力受限。
这就好比教一个小孩认苹果，你得给他看一万张苹果的照片他才能记住。换一种光线、换一种颜色的苹果，他可能又不认得了。
而星动纪元依托强大的知识迁移能力，大幅优化数据利用率。
他们先教会小孩“什么是水果”这个概念，再让他去认苹果、橘子、香蕉，这样就快多了。
单说翻袜子这个任务，星动纪元只用了 120 组训练样本，就比另一支团队用 176 组样本做得还要好。
这意味着机器人能很快适应新场景，研发成本和耗费时间都大大降低。
第二个优势，是让机器人看得更清楚，尤其是那些小东西。
一个会移动的机器人，它的“眼睛”（摄像头）是跟着身体一起动的。靠近目标的时候，角度在变、距离在变，传统的方法很容易“看花眼”。
星动纪元的模型引入了自适应视觉注意力机制。
名字很长，但原理很简单：自动盯着钥匙、锁孔、果皮这类细小又关键的东西看，自动把它们看得更清楚、特征更突出，就算环境很乱、机器人底盘轻微晃动，也能精准识别。
第三个优势，是让机器人反应变快，手还很稳。
传统模型的工作方式是“做完一步，再看下一步”，模型单次生成超 1 秒的运动轨迹，响应慢、误差易累积。
比如，翻袜子过程中袜子突然变形了，等机器人想完下一步怎么做，袜子已经滑到别处去了。
星动纪元采用异步高频推理与短时域规划策略，可在当前轨迹未完成时，同步预测下一段运动轨迹，生成后立即切换执行。
如图所示，机器人的一个关节沿着 Chunk 1 的路径运动，直到 Chunk 2 出现的垂直线，然后你开始沿着该路径运动，直到 Chunk 3 出现，依此类推。
这样一来，每条路径的最后一段其实用不上，因为新的路径总会提前出现，机器人直接切换过去就行。
简单来说，机器人在做当前动作的同时，大脑已经在预判下一步、下下一步该怎么走了。
一旦新的路径算出来，机器人立刻切换过去，中间不等待。每条规划的路其实最后一段都用不上，因为新的路总会提前出现。规划得越频繁，机器人就越灵敏。
所以在翻袜子这种袜子不断变形的任务里，星动纪元的机器人能快速调整动作，重新找到袜口，一气呵成。
这三项改进加在一起，效果就更明显了。
星动纪元的机器人不仅眼看得清，手指灵活，还可以理解工具怎么用，双手协同干活，甚至能完成多步骤、需要长时间规划的任务。
正是这套全自研的 VLA 具身模型，让星动纪元在“只允许移动机器人参赛”这条硬规则下，不仅没有吃亏，反而把移动带来的动态不确定性，变成了自己的护城河。
这不是星动纪元第一次屠榜了。
2025 年 10 月，星动纪元创始人陈建宇与斯坦福大学 Chelsea Finn（PI 联合创始人）团队研发了Ctrl-World 可控生成世界模型。
该模型在全球具身智能顶级世界模型权威评测 WorldArena 榜单中，超越谷歌、英伟达，斩获具身任务全球第一。
2026 年 2 月，双方再次联合提出 VLAW 框架，首次实现 VLA 策略与动作条件世界模型的协同迭代优化。星动纪元也成了唯一和 PI 两次合作的中国具身公司。
陈建宇对端到端 VLA 范式有多坚持呢？
2020 年从加州大学伯克利博士毕业后，陈建宇回到母校清华大学，担任交叉信息研究院助理教授，28 岁成为清华博导，2023 年创办星动纪元。
2024 年 9 月，星动纪元成为全球首个提出分频 VLA的团队，PI、Figure、Google、NVIDIA 都得排在它后面。
同年 12 月，该公司发布融合世界模型的VLA 算法框架Video Prediction Policy（现已开源）。
2025 年，星动纪元自研的ERA-42端到端 VLA 具身大模型，实现了对全尺寸双足人形机器人全身及五指灵巧手的精准控制，成为全球仅有的四家能做到这一点的公司之一。
技术的终极价值，在于实用。
赛场之外，星动纪元的 VLA 具身大模型已在多个领域落地。
物流方面，其与顺丰合作；在制造业方面，与吉利、北汽合作；在商业服务、家庭服务领域，已与海尔、联想、世纪金源等企业达成合作。
在今年中关村论坛亮相的智能分拣机器人，就是星动纪元真干活机器人的代表。
日常工作中，它不仅能完成药品、日化品、包裹的分拣及扫码，还能完成“零部件抓取 – 高精度装配 – 质量检测”等制造业场景的任务。
在商业服务领域，星动纪元的机器人负责门店客座清洁、物品递送、导游导览等工作。其中，部分场景效率当前达到 70%～80%。
星动纪元做的事倒是很符合 Benjie’s Olympics 赛事的初衷：让有用的机器人在这里诞生，让只活在 Demo 里的技术永远死去。
当越来越多的玩家从炫技转向实用，会发现在机器人这场长跑里，真正的对手从来不是别人，而是那个人类习以为常、机器却步履蹒跚的物理世界。
这场赛事的结果折射出一个明确信号：具身智能的下半场，拼的不是参数规模，而是解决实际问题的效率。对于中国初创企业而言，能在如此硬核的国际评测中突围，标志着技术栈已具备全球竞争力。未来，谁能率先突破“莫拉维克悖论”设下的感知与运动壁垒，谁就能真正打开通用机器人商业化的大门。
