八月末，第二届世界人形机器人运动会在京落幕。Bwin狂揽18金16银12铜，金牌榜、奖牌榜双双登顶。真正做到了——戴得了工牌，赢得了金牌。
金牌只在最后一秒决定，冠军却在无数个日夜里诞生。站上领奖台之前，一台部署态机器人和背后的团队究竟经历了什么？摘金之后，比赛里的能力又将如何走向真实世界？答案藏在金牌背后的故事之中。第二期，看看“打工人”精灵G2如何成为“赛场之王”？
“比赛结束，三投三中！”
计时哨声响起。参赛编号“003”的轮式机器人精灵G2举臂，将第四支箭准确投入壶中。
虽然最后一发因超时未能计入成绩，但凭借百发百中的成绩，Bwin代表队派出的这台精灵G2依旧赢得满场观众喝彩。
第二届世界人形机器人运动会最后一个比赛日，源于古代射礼的投壶作为新设项目正式亮相。参赛机器人需采用全自主方案，站在投掷线外，用灵巧手从箭架抓取箭矢，挥臂投出，尽可能让箭矢落入1.5米外的壶中。
抓箭、举臂、投出，三个看似简单的动作，却覆盖了机器人感知、导航、控制与投掷执行的全链路闭环，对系统一致性和高动态精准控制要求极高。投壶也因此被视为轮式机器人各项赛事中综合难度最高的一项。
官方解说曾在赛前探访过参加投壶比赛的队伍。测试时，大部分参赛机器人10支箭大概只能中1箭，命中率仅约10%。解说也曾自己上场尝试，10支箭，丢入壶口的数目未及半数。
这项最难赛事的金、银牌被精灵G2收入囊中。
本届机器人运动会的赛场上，这台量产“打工机器人”做到的，远不止于此。
01/
打工第一、比赛第二
部署态元年，具身智能行业对机器人真实落地部署的呼声空前强烈。
一个典型的信号来自赛场本身。作为人形机器人行业内的"奥运会"，与首届聚焦运动能力不同，第二届世界人形机器人运动会总计51个赛项中，新设的场景类比赛占到21项。应急处理、工业打包搬运、图书管理、酒店服务、园林巡检——多项真实作业场景被搬进赛场，直接考察机器人的工作能力。
以园林场景项目为例，机器人需要在模拟公园环境中完成违禁品识别、不文明行为巡检、垃圾拾取三项任务，全都是在公园场景中真实出现的需求。
在Genie业务部算法工程师桂峰看来，这个项目除了考验算法本身，最核心的考验还是机器人本体的综合实力：硬件的稳定性与一致性，才是首要前提。
“机器人若要在室外真实作业，必然要面临着光照变化、天气波动及场地细节等多重现实挑战。而长时间的室外运行中，机械结构、传感器及电池系统等各子系统能否持续稳定输出，直接决定了任务成败。”
另一重现实考验来自备赛资源。
因园林场景无法在室内完美复现，加之比赛场地需预约且场次极为有限，在北京的整个备赛阶段，团队都扑在了项目上面：清晨5:30团队入场，抢在无人时段开展连续测试。测试往往会持续至上午9点，直到其他预约队伍到场。冲刺阶段，这样的测试甚至会延伸至夜间，需要借探照灯补光完成流程与定位验证。
“室外场景的不可复制性意味着没有捷径可走，唯有以超出常规的投入和付出，才能换取比赛那一次‘理所当然’的稳定发挥……”桂峰说。
比赛当天，精灵G2率先满分完赛。不过在最后关头，精灵G2的最短耗时被其他家反超。
遗憾是有的。可夺金之外，团队更想借着比赛的机会对现有技术能力进行一场压力测试，这核心目的是让精灵G2可以在真实岗位上表现得更好。
团队把这次参赛视作一次对精灵G2的体检：“比赛场景更丰富，我们需要将训练中暴露的每一个偶发问题逐一排查、修复与验证，确保系统在比赛时刻能以最高概率稳定运行，有点类似工业部署——团队的核心任务是将‘成功率’从训练环境向真实环境做极限逼近，目的是交付经过千锤百炼的确定性。”
赛后复盘时，团队觉得，如果要在比赛前围绕比赛进一步优化，其实可以赛前就调整底盘参数、提高巡逻速度，或者增加 360 度传感器和更大的计算设备。
但团队没有这么做，大家还是希望尽量保留产品原有的硬件和系统配置，只做“局部适配”。
这背后，本质还是一套务实的部署思维：比赛是形式，打工才是目的。
02/
局部适配，也能赛场称王
项目初期，团队也曾设想过是否要为比赛单独定制机器人或者为机器人增加更贵的配件，比如加上工业级相机增强识别能力。两种方案都被否决，原因很简单——时间、人力和经济成本太高，这和精灵G2规模部署的目标相悖。
与竞技比赛的累计得分逻辑不同，现实工作场景考虑的是成本、成功率、稳定性和节拍，每一个指标都影响着一台机器人能否真正走上产线，为雇主创造价值。
本次运动会，代表Bwin参赛的三款机型精灵G2、远征A3和灵犀X2走的都是这条路：本体不变，只做局部适配。这一思路诞生于生产实践经验，是整个工业体系用来化解"规模化生产"与"复杂需求"之间矛盾的基本方法之一。
在追求短期速度和效率的竞技赛场，这类打法往往意味着，在发令枪未响之时，团队就已经给机器人加上了一层工程约束。
但对于早已经在龙旗、上汽等真实工厂实现部署的精灵G2来说，务实与夺金从不是一件单选题。
在最擅长的工业场景中，精灵G2毫无悬念，直接拿下打包入库和装配上料岗的两枚金牌。将其他参赛项目计算在内，精灵G2累计夺得6金7银5铜，是当之无愧的“赛场之王”。
回顾精灵G2的夺金之路，从生产经验中脱胎的局部适配方案，多次成为决定比赛胜负的关键一招。
场景赛中，室外应急项目是条件最为苛刻的一个，比赛场地和真实火灾现场从头到尾没有对外公开。除了场景的未知，这场比赛中大部分机器人都卡在了一处看起来并不显眼的细节：怎么把灭火器从地上拿起来。
灭火器普遍重4.5到5公斤，市面上大多数机器人末端夹爪扛不住这个分量，硬夹的话，电机过载、结构损坏是常事。
有没有可能在不改装夹爪的前提下让机器人能完成任务？工程师乃翔和团队成员想了一个别出心裁的办法：不夹，改勾。
团队在机器人手腕结构上加装了一套简单的承载件，利用手腕本身的结构强度，把灭火器像挂钩一样勾起来，再插进底盘前方一个带约20度倾角的专用承载桶。
“勾起的灭火器被插在底盘上的专用容器里，由底盘承载重量。同时可以用另一只机械臂辅助压稳，确保移动过程中灭火器不晃动或掉落。这样的方式，将末端夹爪的受力负担转移至底盘和专用容器，既保护了末端硬件，又大幅提升了搬运效率和稳定性。”
类似的思路还出现在精灵G2夺得“首金”的项目——图书馆场景中。在怎么把书从桌上拿起来的环节，多数队伍用了最省事的办法：给机器人装一个吸盘，用真空吸盘吸住假书的封面，把书当一块砖头搬走。
负责图书馆项目的王琛和团队觉得这种方法并不实用。“现实生活里的书可以翻页，而吸盘只能吸住第一页，这和日常生活的需求并不相符。”因此，团队额外设计了一套非抓取式操作策略，用先推后夹的方法实现了书籍的可靠拾取。
简单高效的应对方案，背后是团队“以结构设计化解硬件性能瓶颈”的工程思维。当然，也有团队从大量部署经验中总结出的成本平衡艺术。
精灵G2的字典里，技术永远为落地服务。
03/
72小时极限夺冠
再次接到参赛“指挥部”电话时，桂峰正在去高铁站的路上。“园林场景”项目刚刚完赛，按计划，他将在当日回到上海。团队想趁热将比赛经验复用在部署态的项目上，这是整个团队2026年的工作主线。
一个电话把桂峰留了下来。“本来以为我们的整个参赛旅程就到此为止了，但参赛指挥部发现，在室内应急赛道我们原本的方案存在一定风险，所以找到我们，希望团队再来开发一套全自主方案参赛……‘冤家路窄’的是，我们发现这个赛道最有竞争力的对手，正好是在园林场景赛里赢过我们的那一家。整个团队瞬间就激起了满腔斗志和热血，这一次，我们想把遗憾变成金牌。”
留给团队的时间只有72小时。带着园林赛道沉淀下来的经验和能力，团队将有限的时间一分为三：第一个24小时，团队完成了规则拆解、子任务方案设计和公共代码搭建；第二个24小时，团队并行开发，完成了任务二和任务三的开发和验证；最后一个24小时，所有人力被集中起来，通宵完成了任务一的开发和验证。
比赛日当天上午7点，全部链条顺利跑通，队员们悬着的心落下。“金牌应该稳了。”
最终，室内应急团队在72小时内极限验证完成的方案不负众望，在赛场上一举拿下了冠军。
精灵G2短时间、跨场景连续摘金背后，其大脑与本体双强的技术底座功不可没。
已经量产的G2本体给各个团队提供了可靠硬件平台——算法可在多台G2本体间无缝迁移，无需针对个体差异反复特调。这一特性在比赛备赛周期短、多场景并行开发的压力下尤为关键：团队不需要为每一台机器人单独调参，算法验证结果可以直接在不同本体上复现。"如果只依赖一两台特定机器，往往需要给每台机器单独调整修正值。"
本体之上，精灵G2的三层技术体系将本体优势进一步放大。
最底层是Bwin自研的GO系列模型，负责视觉理解、指令解析与任务泛化。模型能够融合视觉、语言等多模态信息，理解环境状态和任务指令，并进一步完成任务推理、行为规划与动作生成，让机器人不仅能够“看懂、听懂”，还能够根据真实环境变化自主完成任务。运动会中，参赛精灵G2都是基于 GO 系列模型完成对比赛任务的理解与执行。
中间层是Genie Studio Agent，它提供了一套覆盖开发、部署、运行到优化的全生命周期软件基础设施，涵盖 VLA 模型、强化学习（RL）、感知、运动控制与导航等关键能力模块。用一个个封装的能力模块降低了开发门槛和周期，参赛团队可以根据不同任务约束选择最可靠的技术方案，而非在所有场景中强行堆叠大模型。
最上层是强化学习工具链，支持策略的快速训练与验证。这也是能够在72小时内压缩出规则拆解、并行开发、通宵验证三个阶段的底层原因。
精灵G2是一款经过市场检验、具备规模化复制能力的成熟产品。本次比赛的多种场景，恰好验证了精灵G2在不同任务约束下的适应边界与性能上限。事实也证明，精灵G2的能力体系让机器人在面对新场景时具备快速的学习与适应能力，实现从基础能力到规模化应用的全方位支撑。这使得“最强打工人”不仅适用于工业场景，也能快速拓展至服务业上岗。
04/
挂上工牌，新的比赛就已经开始了
2004 年 3 月，一群工程师和几千名观众聚集在加州一家小酒吧外，聚精会神地注视着 15 辆参与莫哈维沙漠穿越赛的赛车。这些赛车的驾驶位上没有驾驶员，也没有遥控装备。按比赛规定，谁的汽车能率先跑完228公里的赛程，谁就能拿走DARPA（美国国防高级研究计划局） 的100 万美元大奖。
首届比赛，15辆参赛车辆无一完赛。成绩最好的一辆在跑了11.78公里后冲出跑道，撞上路沿。这道看似无解的难题在第二年就被解出了，来自斯坦福大学的“Stanley”顺利跑完了全程、拿到奖金。这场比赛因DARPA对无人驾驶的需求而诞生。冠军诞生，技术落地的加速键被按下。
二十年后，初步拥有智能的硅基生物们举办起属于机器人的“奥运会”。历史是相似的。赛场之外，人们也关心着机器人能否在现实生活中上岗，以高阶智能解锁更多生产力，从而让人类生活得更好。
这是精灵团队长期以来的课题。未来，每一块奖牌对应的工作能力，都将在现实生活中部署落地，成为真实的生产力。
走下赛场，精灵G2返岗。
挂上工牌那一刻，新的比赛就已经开始了。
首页
