宇树启动"物理AI UniBot 世界挑战赛"：把人形机器人拉进真实世界，用 32,000 个样本重估通用操作能力

# 宇树启动"物理AI UniBot 世界挑战赛"：把人形机器人拉进真实世界，用 32,000 个样本重估通用操作能力 **导语** 2026 年 7 月 10 日晚间，宇树科技（Unitree Robotics）官方宣布启动"物理 AI UniBot 世界挑战赛"（Physical AI UNIBOT World Challenge）。据凤凰网科技当日 18:22 的首发报道，这场赛事以 Unitree G1 人形机器人为统一测试平台，配套开源 DAPTO 2 挑战套任务集，向全球具身智能研究团队开放。此后不到四个小时，新浪科技、太平洋科技、头条号、微博等多家渠道相继给出跟进报道，"泛化性评测"成为多家报道共同抛出的关键词。 在具身智能大模型密集发布、demo 视频层出不穷的 2026 年上半年，一场由本体厂商亲自发起、把 32 项真实桌面任务、32,000 个演示样本、169 小时真机数据摆到台面上的公开评测，其信息含量已经超过一场普通的产品发布——它更像是行业对"泛化性瓶颈"的一次集体承认，也是宇树把自身软硬件全栈能力对外校准的一次动作。 ## 一、赛事细节：一张 DAPTO 2 任务集撑起的评测坐标 综合凤凰网科技、新浪科技和太平洋科技的报道信息，物理 AI UniBot 世界挑战赛的规则骨架相当清晰。 赛事以宇树 G1 人形机器人作为统一硬件测试平台，围绕 DAPTO 2 挑战套任务集展开，包含两大任务方向： 其一，通才模型在真实世界多任务操作中的泛化能力评测。DAPTO 2 将泛化性拆解成五类可复现的场景变量——**位置变化、干扰物存在、桌面背景差异、未见物品、人为干扰**。这五类场景基本对应了机器人从实验室走向真实工位所必然遭遇的"环境噪声"，也是过去两年里各家 VLA（Vision-Language-Action）模型在 demo 里最容易被人质疑的部分。评分维度锁定"平均成功率 + 平均步骤分"双指标，其中步骤分意在衡量任务执行的完整度而不仅仅是终态成败。 其二，32 项真实世界桌面操作任务。这 32 项任务覆盖抓取、放置和双手协调等基础操作原语，围绕桌面这一高频、高信息密度的作业面搭建。与其配套的开源资产是 **32,000 个演示样本、累计 169 小时真机数据**——这一数据体量在真机模仿学习数据集里已属于中上水平，为参赛团队提供了统一的训练起点，也变相把"数据质量"这一变量从比赛结果中剥离出去。 据太平洋科技报道，赛事愿景明确指向三件事：加速推动人形机器人真实世界通用操作能力、构建高质量真机数据与多机评测集群、打造泛化操作评测体系。三句话叠加起来，指向的其实是同一件事——**给具身智能行业提供一把可复现、可对齐的尺子**。 ## 二、痛点对照：为什么现在必须做泛化性评测 单看 UniBot 的规则，很难体会这场赛事对行业的分量。要理解它的意义，需要把镜头拉远，看一眼具身智能当前的真实成绩单。 据 36kr 2026 年 7 月 8 日发布的《具身智能"高考"难疯了，人类 100 分，最强模型 12.8》一文，第三方基准测试 robodojo 给出了一组令人清醒的数据：**当前最强通用机器人策略，在仿真环境下的平均成功率仅为 8.80%；真实世界最强模型 π0.5 的平均成功率也仅有 12.8%**。作为对照，人类专家在同一批任务上的成功率是 100%。 12.8% 意味着什么？意味着以当前公开的最强 VLA 模型，走进任意一个真实工位、随机抽取一批操作任务，平均每 8 次尝试才能完整完成一次。这不是"能不能动"的问题，而是"能不能稳定做完"的问题。36kr 在报道中给出的判断更为直接——具身智能不是不会动，而是不够稳、很难稳定做完任务。 正是在这样一份行业底稿之上，UniBot 挑战赛的价值才被凸显。它不再让参赛者自选任务、自选摄像头位置、自选样本策略，而是把变量约束在 DAPTO 2 之内，把硬件锁定在 G1 之上，把泛化性拆解成 5 类可以逐条打分的具体场景。这意味着——**从今往后，参赛模型的表现是可比较的**。可比较之后，才有可能出现真正意义上的行业基线，也才有可能倒逼各家把 demo 视频里那些"精心挑选的镜头"变成"稳定可复现的能力"。 这一点对具身智能的意义不能低估。过去两年，具身智能领域最常被外界质疑的一点，就是"paper 上的分数很好看，视频里的动作很惊艳，但真放到工位上就掉链子"。造成这种落差的核心原因，正是缺乏跨团队、跨机型、跨任务的公共评测语言。当一支团队拿出 90% 的成功率，业界很难判断这个 90% 是在 5 类泛化场景下的平均值，还是在单一固定场景中反复微调后的最优值。UniBot 之所以强调"平均成功率 + 平均步骤分"双维度，本质上是把"任务是否完成"和"任务是否稳定完成"两个问题分开量化。 据及时雨老陈 7 月 10 日晚 21:25 发布的深度评论，这类由本体厂商发起的公开赛事，最直接的作用是把"评测话语权"提前握在手里——谁先制定尺子，谁就先定义"合格"的含义。这与移动互联网早期各家争抢 benchmark 的路径几乎一致，也与自动驾驶行业围绕 KITTI、nuScenes 建立评测生态的历程遥相呼应。 ## 三、技术底座：UnifoLM 世界大模型与 G1 数采链路 UniBot 挑战赛不是空中楼阁，其背后依托的是宇树近两年沉淀的一整套软件资产。 据 CSDN 2026 年 7 月 9 日发布的《宇树科技官网深度研究：产品与文档体系全景》一文披露，宇树自研的 UnifoLM 世界大模型已经沿两条路径展开：**UnifoLM-VLA-0（视觉-语言-动作模型）与 UnifoLM-WMA-0（世界模型基础版）**。其中 UnifoLM-VLA-0 已在 LIBERO 仿真基准上拿到 98.7 的平均分，覆盖 OpenVLA、InternVLA、π0 等多个主流对照组之上的分数区间；单一策略网络（Checkpoint）可以统摄 12 类复杂真机操作任务，训练语料来自 340 小时高质量真机数据。 技术路径上，UnifoLM 走的是一条"世界模型 + 单策略多任务"的路子，核心手段包括**空间语义增强、动力学预测、单策略多任务**。空间语义增强解决"看得懂"的问题；动力学预测解决"能预演"的问题；单策略多任务则解决"不用为每个任务专门训一份模型"的工程负担。UnifoLM-VLA 已经在 GitHub 开源（github.com/unitreerobotics/unifolm-vla），任何团队可以在此基础上迭代自己的策略。 把这条技术链路和 UniBot 赛事叠在一起，逻辑就通顺了：宇树把 G1 作为硬件底座，把 UnifoLM 作为模型底座，把 DAPTO 2 与 32,000 个演示样本作为数据底座，三层底座各自开源、各自可复用，为参赛团队提供了一个门槛较低的起跑线。这种"全栈可复现"的姿态，在过去人形机器人厂商中并不多见——多数厂商更愿意把自己的模型作为竞争壁垒，而不是把它当成公共实验平台的一部分。 ## 四、产业意义：从模型研发迈入实景规模化实测 从更长的时间维度看，UniBot 挑战赛更像是一个信号——**人形机器人产业从"模型研发"迈入"实景规模化实测"的关键节点**。 过去两到三年，具身智能的主叙事是"模型能不能做出来"：VLA 架构从概念走向落地，扩散策略、流匹配等新范式接连涌现，各家参数越拱越高。但从 robodojo 12.8% 的成绩来看，模型能力与真实工位需求之间依然存在一条不小的鸿沟。要跨过这条鸿沟，行业需要的不再是又一个更大的模型，而是—— - **一套可对齐的评测尺子**，让不同团队的进展可以横向对比； - **一批高质量真机数据**，让模仿学习和强化微调有稳定的燃料； - **一个多机评测集群**，让单点样本量堆到统计意义上足够的规模。 UniBot 挑战赛把这三件事绑在一场公开活动里推进，本质上是在给具身智能行业搭一个共享的实验场。对参赛团队来说，这是一次可以拿到公开分数的机会；对宇树自身来说，这是一次把 G1 与 UnifoLM 从"自家 demo"推向"公共基准"的战略动作；对整个人形机器人产业链来说，这是一次难得的"标准化对齐"窗口。 需要注意的是，赛事的评测集群和数据资产在赛后大概率会被沉淀为长期资产。多机评测集群一旦搭起来，就有能力承载后续版本的任务集迭代——DAPTO 3、DAPTO 4，以及可能扩展至移动操作、双臂协作、人机交互等更复杂的场景。**评测体系一旦建立，其行业影响力会显著超过单次赛事本身**。 ## 五、资本坐标：42 亿 IPO 背后的战略节奏 理解 UniBot 挑战赛的另一个必要视角，是宇树近期的资本动作。 据 36kr 2026 年 7 月 9 日发布的《Unitree and UBTECH: Two Commercialization Experiments》一文披露，宇树科创板 IPO 已经过会，**募资规模 42 亿元人民币**；核心产品 G1 人形机器人起售价 8.5 万元，年出货目标锁定 2 万台；外部股东方面，美团合计持股 9.65%，为宇树最大外部股东。36kr 将宇树的发展路径概括为"福特主义"路径——极致性价比、硬核制造、闪电上市。 在这个坐标下重新审视 UniBot 挑战赛，其战略意图更加立体。**G1 起售 8.5 万元、年出货 2 万台的定价—产能组合**，决定了宇树必须尽快把 G1 从"极客玩具"和"科研平台"拉进"通用操作能力被广泛验证"的位置——只有让更多研究团队、开发者和潜在客户在 G1 上跑出可复现的操作能力，年 2 万台的出货计划才有充足的应用侧支撑。 从这个角度看，UniBot 挑战赛不仅是一场技术评测活动，也是一次围绕 G1 生态的产业动员——赛事奖项、开源数据、多机集群、评测标准，本质上都是在做一件事：**把 G1 平台的开发者密度和标准影响力尽快抬升到与其出货节奏相匹配的水平**。这与年内多家人形机器人厂商开始以 IPO 节奏推动生态建设的行业趋势一致，也回应了资本市场对具身智能"落地路径"的持续追问。 ## 结语 物理 AI UniBot 世界挑战赛的看点，不在赛事奖金，也不在最终名次，而在它作为一个行业信号所承载的三层含义——**具身智能行业已经承认泛化性瓶颈的存在、头部厂商开始主动建立可对齐的评测尺子、G1 与 UnifoLM 正在从企业内部资产迈向公共基准资产**。当 32,000 个样本、169 小时真机数据、五类泛化场景、双维度评分一次性摆到公开赛道上，人形机器人产业的评估语言正在被重新定义。 评测体系是慢工，赛事只是起点。DAPTO 2 之后，行业需要观察的是——在下一届挑战赛结束时，那条 12.8% 的行业基线会被拉到多高。这个数字，比任何一款新产品的发布都更能说明具身智能的真实进度。