蒋张琦1. 多智体机器人系统（MARS）挑战赛概述
多智体机器人系统（MARS）挑战赛是NeurIPS 2025 SpaVLE研讨会的核心赛事，由来自上海交通大学、牛津大学、中国科学技术大学等全球顶尖研究机构的团队共同发起。这项挑战赛的设立，源于当前具身人工智能领域一个关键的技术转折点——随着单智体能力的快速提升，复杂任务场景对多智体协作的需求正变得日益迫切。
在传统机器人研究中，我们常常看到单个机械臂完成抓取、单个移动机器人实现导航这类"单打独斗"的场景。但现实世界的复杂任务，比如家庭服务中的"整理餐桌并清洗餐具"，或者工业场景中的"多机器人协同装配"，都需要不同类型的机器人相互配合。这就引出了三个核心挑战：
第一是能力整合问题。不同机器人具有异构的感知和执行能力——人形机器人适合复杂环境移动，机械臂擅长精细操作，四足机器人则在崎岖地形中表现优异。如何根据任务需求动态组合这些能力？
第二是效率优化问题。在"厨房整理"任务中，让一个机器人依次完成拿取餐具、清洗、存放的全流程，显然不如分配不同机器人并行处理各环节高效。但如何量化评估这种效率提升？
第三是人机交互问题。当多个机器人协同工作时，人类操作者需要直观理解系统状态和任务进展。这对系统的可解释性提出了更高要求。
MARS挑战赛的创新之处在于，它没有停留在理论探讨层面，而是通过两个具体赛道——规划赛道和控制赛道，为这些挑战提供了可量化的评估框架。规划赛道聚焦"想清楚"的问题，考察系统如何分解任务、分配角色；控制赛道则解决"做得好"的问题，测试多机器人实际执行的协调能力。这种二分法反映了当前技术发展的两个关键维度。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术背景与核心挑战
2.1 多模态模型的融合突破
近年来，视觉-语言模型（VLM）的快速发展为具身智能带来了革命性变化。传统机器人系统依赖精确的环境建模和预编程规则，而现代VLM使机器人能够像人类一样，通过视觉观察和语言指令理解任务。例如，当听到"把牛奶放进冰箱"这样的指令时，VLM可以自动解析出需要识别冰箱门、抓握牛奶盒、规划移动路径等一系列子目标。
这种能力在多智体场景中被进一步放大。在MARS挑战赛的规划赛道中，参赛系统需要处理诸如"将客厅的玩具收拾到儿童房的储物箱"这类复杂指令。这要求系统能够：
- 通过视觉识别分散在不同位置的玩具
- 根据机器人类型分配任务（如移动机器人负责运输，机械臂负责抓取）
- 生成考虑优先级和并行性的动作序列
2.2 多智体协调的独特难点
与单智体系统相比，多智体协调引入了几个关键的技术难点：
部分可观测性问题：在控制赛道的"多机械臂堆叠积木"任务中，每个机械臂只能通过自身摄像头获取局部视野。系统必须通过有限的感知信息，推断其他机器人的状态和意图。
动作冲突问题：当两个机械臂同时尝试抓取同一物体时，传统方法容易陷入"死锁"。这需要引入优先级协商或资源预留机制。
通信开销问题：集中式架构虽然便于全局优化，但随着智体数量增加，通信延迟会显著降低系统响应速度。如何在分布式控制中保持协调一致性成为关键。
一个典型的失败案例发生在早期测试中：三个机械臂协作"摆放餐具"任务时，由于缺乏有效的冲突检测机制，两个机械臂同时抓住餐盘导致物品跌落。这类问题促使组委会在评分标准中特别加入了"协调安全性"指标。
3. 规划赛道深度解析
3.1 任务设置与评估体系
规划赛道的创新之处在于其层次化的评估体系。与简单的是非判断不同，组委会设计了多维度的评分标准：
机器人选择分（10%）：评估所选机器人类型与任务的匹配程度。例如在"搬运重物"任务中，选择负重能力强的移动机器人会获得更高分数。
动作规划分（90%）：细分为四个子指标：
- 步骤匹配度（40%）：关键动作节点是否齐全
- 前缀正确率（30%）：前期决策对后续步骤的影响
- 类型一致性（15%）：动作序列的逻辑连贯性
- 并行效率（15%）：任务分解的并行化程度
这种设计避免了"唯结果论"，鼓励参赛者关注规划过程的质量。在测试任务"准备早餐"中，冠军方案虽然比亚军多用了2个步骤，但由于其更好的并行安排，最终用时反而缩短了30%。
3.2 冠军方案：自校正规划框架
冠军团队的"三思而后行"策略展现了创新性的规划思路。其核心流程包括：
-
多样性生成：利用VLM的生成能力，对同一任务产出5-10种不同的规划草案。例如对于"整理书桌"任务，可能产生按颜色分类、按尺寸分类、按使用频率分类等多种方案。
-
共识评估：引入第二个VLM作为"评审员"，对各方案进行多维度打分。特别关注方案间的共性部分，这些部分往往反映了任务的核心需求。
-
迭代优化：将共识方案作为新起点，进行局部调整和验证。这个过程类似人类团队讨论中的"头脑风暴→收敛共识→细节完善"模式。
该方案在"厨房清洁"任务中表现出色：首轮生成了集中式清洁（一个机器人负责全部）和分区清洁（按区域分配机器人）两种思路；经过评估选择了后者；最终通过迭代优化，加入了"先处理易腐食物"的优先级逻辑。
3.3 亚军方案：模块化闭环框架
亚军团队的模块化设计则体现了系统工程思维。其三大组件的协作方式值得深入分析：
激活模块：基于机器人能力矩阵进行匹配。该矩阵量化了各机器人的移动速度、抓取精度、负重能力等参数。例如当任务包含"擦拭高处窗户"时，会优先选择配备伸缩臂的机器人型号。
规划模块：采用时空约束满足问题（CSP）的形式化方法。将每个动作表示为时空立方体（何时、何地、做什么），通过约束传播算法解决冲突。这在"多机器人路径规划"中尤其有效。
监控模块：实时验证规划的可行性。当检测到冲突（如两个机器人预定同一时间段使用狭窄通道）时，会触发再规划流程。这种"规划-验证-调整"的闭环显著提高了系统的鲁棒性。
4. 控制赛道技术剖析
4.1 任务设置与评估方法
控制赛道的四个任务设计体现了渐进式的难度曲线：
- 基础协作："将立方体放入杯中"测试基本的动作同步
- 精确控制："击打立方体"要求严格的时序协调
- 角色分工："三个机器人放置鞋子"需要明确的任务分配
- 复杂系统："四个机器人堆叠立方体"考验整体系统的可扩展性
评估采用"百次测试取平均"的方法，重点关注两个指标：
- 任务完成率：衡量系统的基本能力
- 协调效率：通过动作重叠度和空闲时间占比评估
这种设计确保了解决方案既要可靠，又要高效。在早期测试中，有些方案虽然能最终完成任务，但由于协调不善，机器人之间存在大量等待时间，这类方案在效率项上得分较低。
4.2 冠军方案：Combo-MoE架构
Combo-MoE的创新在于它将组合数学原理应用于机器人控制。对于N个机械臂的系统，可能存在2^N-1种非空子集组合。该方案为每种可能的活跃臂组合训练专门的"专家模块"，例如：
- 单臂专家：处理基础操作技能
- 双臂专家：管理交接、协同搬运
- 全臂专家：协调复杂群体行为
路由器网络则根据当前任务状态动态激活相关专家。这种设计带来了三个优势：
- 可扩展性：新增机器人只需添加对应专家模块，不影响现有系统
- 可解释性：通过观察激活模式，可以直观理解系统决策
- 样本效率：各专家专注特定场景，减少训练数据需求
在实际测试中，当处理"堆叠立方体"任务时，系统会自动激活双臂专家处理底层堆叠，当需要顶层精调时再引入第三个机械臂，展现了良好的分层协调能力。
4.3 亚军方案：CoVLA方法
CoVLA的去中心化思路为多机器人系统提供了另一种可能。其核心创新点包括：
视觉基础共享：各机器人通过共同的视觉观察建立"环境共识"，无需显式通信。这类似于人类团队通过观察同一块白板达成理解。
博弈论奖励塑造：为每个机器人设计包含协作项的奖励函数。例如在"击打立方体"任务中，除了各自的动作精度奖励，还增加了"击打时序协调度"的共享奖励。
角色自适应：通过语言指令解析，自动分配主从角色。在"放置鞋子"任务中，一个机器人可能主动承担"定位鞋架"的引导者角色，而其他机器人则跟随其引导。
这种方法在动态环境中表现出色。当意外干扰导致一个机器人暂时离线时，其余机器人能快速重新协商角色分配，保持系统整体功能。
5. 技术趋势与实用洞见
5.1 从比赛看行业技术走向
MARS挑战赛的结果揭示了几个重要技术趋势：
混合架构的崛起：纯端到端学习虽然简洁，但冠军方案显示，适当引入模块化设计（如MoE）能显著提升系统可靠性和可解释性。
数据效率成为焦点：自校正框架通过智能数据增强，用少量标注数据达到了大规模训练的效果，这对实际应用至关重要。
评估标准的多元化：除了传统的工作完成度，协调效率、安全性、可解释性等指标正变得越来越重要。
5.2 实用建议与避坑指南
基于参赛团队的经验分享，我们总结出以下实操建议：
规划赛道：
- 不要过度依赖单次VLM推理，多次生成+共识投票能显著提高稳定性
- 建立机器人能力矩阵数据库，这是任务分配的基础
- 为长时程任务设计检查点机制，允许中途调整规划
控制赛道：
- 在仿真中注入随机扰动（如通信延迟、传感器噪声）以提高鲁棒性
- 监控机械臂之间的"社交距离"，避免因过于密集导致的安全问题
- 为紧急停止设计专用通信通道，确保系统安全性
通用建议：
- 记录完整的决策日志，这对调试复杂交互问题至关重要
- 设计人机界面时，用可视化方式展示多机器人状态和任务进展
- 性能优化时注意Amdahl定律，避免过度优化某个子系统而忽视整体平衡
6. 典型问题与解决方案
在实际开发多智体机器人系统时，有几个反复出现的典型问题值得特别关注：
死锁问题：当两个机器人互相等待对方释放资源时，系统会陷入停滞。解决方案包括：
- 引入超时机制和回退策略
- 设计资源优先级系统
- 使用死锁检测算法主动预防
通信延迟：无线网络的不稳定性会影响实时协调。有效应对措施有：
- 采用预测-校正模式，在通信中断时使用预测动作
- 实现本地缓存机制，存储关键状态信息
- 设计降级模式，在网络不佳时切换为更保守的策略
技能迁移：当机器人型号更新时，如何快速适应。优秀实践包括：
- 设计模块化技能表示，便于替换特定模块
- 采用元学习技术，提高新设备的适应速度
- 建立仿真到实物的标准化转换流程
在MARS挑战赛中，表现最好的团队往往不是技术最超前的，而是对这些工程细节处理最严谨的。这提醒我们，在多智体系统开发中，可靠性有时比先进性更重要。