编辑：张于惠子

ICRA2022RoboMaster机甲大师高校Sim2Real 挑战赛（RoboMaster Univerisity Sim2Real Challenge，下称RMUS) 在北京现场完美收官。该项比赛由AIR和大疆教育RoboMaster机甲大师组委会联合举办，旨在通过仿真提高真实世界中机器人完成感知、导航和操作等任务的性能，为全球科技爱好者提供云端可部署的机器人数字孪生平台，加速机器人领域的科研进展。比赛共历时约三个半月，经历了线上仿真器调试、线下Sim2Real调试及线下正式比赛三大部分，为全球机器人爱好者和研究者贡献了一场高质量的机器人赛事。

本次比赛中，哈尔滨工业大学（深圳）的南工骁鹰队凭借58.9秒完成全部比赛任务的优异成绩摘得桂冠，收获了特等奖的荣誉。清华大学的tatp队以87.7秒的完成时间获得第二名，新加坡南洋理工大学大学的MLDA robotics队则获得第三名，这两支队伍和大连理工大学的开天队共同获得一等奖。

RMUS凭借富有创新性的赛事体系吸引到了麻省理工学院、卡耐基梅隆大学、苏黎世大学、帝国理工大学、慕尼黑工业大学、清华大学、南洋理工大学等海内外顶级学府在内的117支参赛队。比赛为全球智能机器人领域的青年人才提供了高水平的交流平台，获得了海内外参赛者的广泛好评。

作为AIR的技术支撑实验室之一，协同视觉与机器人实验室（DISCOVERLab）希望凭借RMUS提高算法从仿真到现实迁移的效率，以及智能机器人领域的科研技术转化效率。这一初衷充分体现了AIR利用人工智能技术赋能产业升级，推动社会进步的理念。因此，在全球疫情背景下，DISCOVERLab携手大疆教育，使用容器技术结合Habitat打造出一个逼真的数字孪生机器人平台，让全球机器人爱好者无需机器人实体就能足不出户地进行机器人比赛，共同推进机器人Sim2Real的落地。

与传统机器人比赛不同，RMUS通过Habitat平台和云场地进行调试，简化了参加比赛需要的各种准备工作中。参赛队员无需为硬件花费大量金钱，也无需向学校申请场地。组委会也为RMUS提供了大量的技术支持，确保参赛队员可以集中精力解决从仿真到现实迁移的相关问题。

比赛所有阶段现已圆满完成。比赛第一阶段从2月15日至3月30日，参赛队伍使用官方提供的Dorker镜像在虚拟环境内完成初赛，并在完成内容提交后统一由组委会选出晋级队伍。比赛第二阶段从4月1日至5月15日，晋级队伍在组委会给出机器人现实运行数据的基础上，继续在虚拟环境内完成算法的调优，为最终的提交做准备。比赛的最终阶段从5月15日至5月27日，组委会在北京搭建的现实场地运行最终参赛队伍镜像，通过任务完成度和完成时间进行最终成绩评定。

RMUS的完美收官离不开每一支参赛队伍的辛苦付出。为了让大家更好地了解他们的比赛精彩瞬间和感悟，并为下次比赛筹备积累经验建议，组委会收集了哈尔滨理工大学（深圳）、清华大学、新加坡南洋理工大学和大连理工大学四支队伍的赛后反馈。

哈尔滨工业大学（深圳）的南工骁鹰队在本次比赛中收获了第一名的好成绩。这支队伍对机器人在工程领域的应用有很大兴趣，一直参加RMUA赛事并在去年取得了不错的成绩。这次比赛的场景类似于机器人在物流领域的应用，而仿真与现实结合的模式也有利于减少开发成本，加快研发进展，这些都是吸引这支队伍参赛的重要原因。“我们在这次比赛中对于仿真和现实结合调试的内容有了更深刻的认识，知道了如何用仿真指导现实，用现实回馈仿真”。

回顾比赛中的发挥，南工骁鹰的队员们表示：“我们在定位导航方面做的还不错，但在识别和抓取部分还可以做进一步改进，尤其是兑换站上方数字的识别非常不稳定。”整个比赛过程中，队员们印象最深刻的是攻克“视觉标签的识别算法”这一难关，“曾经这个算法在仿真器里效果非常好，但在迁移到现实环境后原有算法效果较差，所以调节了非常久最后才实现比较好的效果”。

清华大学tatp队获得了第二名的好成绩，队员们在这次比赛中认识了厉害的队友，接触了habitat和Sim2Real领域，并体会到了docker的强大和便捷。tatp队的一大亮点在于自主开发了目标识别部分的算法，并且实现了鲁棒性较好的效果。然而，他们也存在些许遗憾，期待通过下次参赛得到改进，“由于时间原因，在导航的路径选择方面还有很多的轨迹优化没有来得及完成”。

新加坡南洋理工大学的MLDA robotics队斩获了本次比赛第三名。这支来自海外的队伍表示，在近期出行困难的情况下，对机器人远程开发的需求将会大幅增大。“因此，参加Sim2Real比赛将会极大提高我们的机器人技术。比如将不同机器人算法整合到一个更大的系统来解决问题，以及考虑机器人在模拟环境中不会遇到的现实世界问题”。整个参赛过程中，队员们印象最为深刻的就是团队的有效协作和灵活应变，这使得队伍能针对特定问题提出有效且创新的解决方案。当然，“由于时间不够，我们无法提出更系统的测试和自动化流程来改进我们的开发”。未来，队员们希望RMUS能提供记录记录更完整、通知更及时的模拟器，以便海外参赛队伍访问和调试。

回顾本次比赛过程中组委会的辛苦筹办，获得第四名的大连理工开天队感触颇多：“在疫情严重期间，大疆和清华的工作人员和志愿者仍然尽力遵守防疫要求，为我们安排测试。遇到测试问题时积极与我们联系，协调解决，这也让我们的测试效率更高了”。开天队表示，他们会在今年参赛的经验技术基础上，培养新的队员进行参赛。“专注技术，用于创新，做到极致。希望可以青出于蓝而胜于蓝，继续和各高校队伍进行切磋交流”。

DISCOVER 实验室

DISCOVER实验室是AIR科研方向的横向支撑实验室之一，旨在利用机器学习、计算机视觉、计算机图形学、机器人学、运筹学、高性能计算与人机交互等前沿技术，围绕车路协同（V2I）、用户直连制造（C2M）、实验室自动化等各应用场景，构建以感知、规划、控制与决策为核心的智能算法平台体系，结合涵盖设计、工艺、计算与人因的智能系统架构体系，研究人-机-边-云四位一体的人在环路多智能体协同系统，开展具有创新性的算法理论与系统架构研究，紧贴以制造业为主的国家重点行业需求，攻克以人为中心的场景理解、人在环路机器学习、仿真到现实迁移与柔性制造工艺等关键技术瓶颈，与产业界深入合作探索自动驾驶与柔性制造的范式转移路径并实现关键技术验证与落地，推动我国在智慧交通和智能制造领域的产业升级。

郭昊乐，清华大学智能产业研究院科研工程师。毕业于美国老道明大学，负责实验室人机交互方向的软硬件系统设计与实施。主要参与了清华大学与小米，与百度公司合作的科研项目。加入清华大学前是上海的一名中小学科技老师。