星動紀元擊敗PI，獲「具身靈巧操作奧林匹克」三項全球第一

星動紀元再度憑借具身大腦能力，問鼎全球具身智能權威榜單。

據IPO早知道消息，在近日舉行的全球具身靈巧操作難度頂尖的真機賽事——Benjie's Humanoid Olympic Games（以下簡稱Benjie's Olympics）中，星動紀元憑借自研VLA具身模型，一舉斬獲該賽事剝橘子、開鎖、翻襪子三項任務全球第一。

這不僅打破了Physical Intelligence（以下簡稱PI）此前保持的賽事紀錄，更以大幅優勢創造全新的世界紀錄，星動紀元也成為該賽事唯一上榜的中國具身企業。這是星動紀元繼2月登頂世界模型權威評測WorldArena榜、斬獲具身任務全球第一（超越谷歌、英偉達）后，再度憑借具身大腦能力，問鼎全球具身智能權威榜單。

不妨補充一點，Benjie's Olympics由前Google資深機器人專家Benjie Holson發起，初心是提出真正能衡量機器人核心價值的評判體系——即“炫技表演” 走向 “實用落地”。該比賽被科學美國人雜志（Scientific American）認為是機器人終極挑戰，直擊具身智能的核心命題——莫拉維克悖論：人類習以為常的日常感知與動作（如疊衣服、用鑰匙開鎖等），對機器人而言是極高難度的挑戰，而人類擅長的高階推理能力，機器人反而更容易實現。

本屆賽事共設置15項實戰挑戰，從基礎操作到復雜精細動作，按難度等級分為金牌任務、銀牌任務和銅牌任務，只有每項任務獲得第一，才能摘得對應的獎牌。此外，比賽還規定，參賽選手的成績比上一個冠軍的成績至少提高25%，才算打榜成功獲得該項獎牌。Benjie曾預測，完成全部挑戰至少需要1年。

賽事匯聚了PI 、Sunday Robotics等全球頂尖具身智能公司，這也是PI唯一主動參與的賽事，其參賽所用的閉源模型（π*0.6），代表了PI大腦能力的最高水準，賽事結果反映了當前具身智能領域的最高水平。

近期，Benjie's Olympics正式宣布星動紀元在剝橘子、開鎖、翻襪子三大核心任務中，均以顯著優勢超越前紀錄保持者PI。

Benjie's Olympics公布

星動紀元獲兩項金牌難度任務（剝橘子、開鎖）第一

Benjie's Olympics公布

星動紀元獲銀牌難度任務（翻襪子）第一

具體而言：

在剝橘子（金牌難度任務）中，要求機器人精準區分果皮與果肉的細微視覺特征，實時跟蹤剝制過程中的果皮形變，要求視覺感知有極高的魯棒性——PI 成績：借助削皮刀工具， 2分46秒完成；星動紀元成績：首個實現完全無工具純手剝操作的團隊，純手剝1分47秒完成，速度提升35%

在開鎖（金牌難度任務）中，鑰匙孔為毫米級微小目標，要求機器人精準識別鑰匙孔的位置、角度，同時完成鑰匙的姿態理解，實現毫米級對準，還需克服光照變化、金屬反光、視角偏差等多重干擾，對視覺感知的精度與魯棒性要求嚴苛——PI 成績：66秒完成；星動紀元成績：49秒完成，速度提升25%

在翻襪子（銀牌難度任務）中，作為檢驗模型家用泛化能力的核心標桿，該任務是柔性物體操作、樣本泛化、效率敏感的典型場景，襪子翻轉過程中會發生復雜、無規律的形變，要求機器人實時跟蹤形變，精準區分襪子的內外側、開口位置，對視覺感知、柔性物體跟蹤能力要求極高——PI 成績：1分33秒完成，176個樣本；星動紀元成績：比PI速度提升30%，120個樣本，樣本使用量少32%

值得一提的是，星動紀元自成立以來持續引領具身大腦全球研究范式

中國唯一，全球 1/4：ERA-42已實現全尺寸人形機器人全身及五指靈巧手精準控制；其余三個為Figure Helix，特斯拉Grok及英偉達GR00T。

全球首提分頻VLA：2024年9月， 推出HiRT快慢分層架構，通過latent向量連接70億參數世界模型與4000萬參數執行模型；2024年10月到2025年3月，PI、Figure、Google、NVIDIA 相繼發布分頻VLA。

全球首個融合世界模型的具身大腦：2024年12月，發布融合世界模型的VLA算法框架 VPP（Video Prediction Policy，現已開源），將具身智能可用數據擴展至海量互聯網視頻數據，機器人得以理解“物理世界”，邊想邊做。

2025年10月，清華陳建宇團隊聯合斯坦福 Chelsea Finn團隊（PI聯創）提出可控生成世界模型 “Ctrl-World”—— 讓機器人在 “想象空間” 中完成任務預演、策略評估與自我迭代，將機器人在陌生場景下游任務平均成功率提升了44.7%。

2026年2月，清華陳建宇（星動紀元創始人）團隊和斯坦福 Chelsea Finn（PI 創始人） 團隊基于 Ctrl-World (兩個團隊的首個合作成果），再度攜手，聯合提出了 VLAW 框架，首次實現了 VLA 策略與動作條件世界模型的協同迭代優化，讓兩者形成一個「互相促進的閉環」

?VLA 策略采集的真實交互數據，反過來用于提升世界模型的物理保真度；

?世界模型生成的高質量虛擬數據，再用于持續強化 VLA 策略本身。

目前，具身大腦ERA-42已在物流、制造、商業服務等多個領域落地，形成了“場景越豐富，模型越智能” 的正向循環——在物流領域，可完成藥品、日化品、包裹的分揀及掃碼；在制造領域，重點突破“零部件抓取 - 高精度裝配 - 質量檢測” 等場景任務；在商業服務領域，可完成門店客座清潔、物品遞送、導游導覽等。其中，部分場景效率當前達到70%。

本文為IPO早知道原創

作者｜Stone Jin