2025年7月10日，宇树科技正式推出物理AI UNIBOT世界挑战赛。这项赛事直指当前具身智能领域最棘手的核心难题——大模型泛化能力不足。简而言之，面对环境变化，机器人往往容易“不知所措”。本次比赛旨在通过真实世界桌面操作任务进行全面检验：同一个模型，面对多样化的操作场景，究竟能保持多高的成功率？

赛事平台采用Unitree G1人形机器人，任务集名为DAPTO 2挑战套件，共计32项真实桌面操作任务，涵盖抓取、放置、双手协同等日常场景。背后训练数据量十分可观：包含32,000个演示样本，累计时长达到169小时。

那么，如何定义“泛化能力强”？评分体系覆盖五类场景变化：目标位置发生偏移时能否应对？周围出现额外物体是否造成干扰？桌面背景更换后能否准确执行？面对从未见过的新物品能否完成操作？甚至人为施加干扰，机器人是否会陷入混乱？每项任务均依据平均成功率与平均步骤数进行综合打分。归根结底，本次赛事的目标十分明确：加速推动人形机器人在真实环境中实现通用操作能力。具体而言，就是要构建高质量的真机数据池与多机评测集群，建立一套真正能够衡量泛化操作水平的评价标准，最终让通用操作能力从实验室场景走向实际落地应用。