2026年6月13日，ICRA（IEEE International Conference on Robotics and Automation，国际机器人与自动化会议）2026 WBCD（What Bimanuals Can Do）双臂机器人挑战赛中国上海赛区落幕。面对双臂协同、多阶段连续操作、现场环境扰动等高难度实操考核，DeepCyboZGCA战队以自研纯数据驱动端到端技术路线的具身智能操作方案参加Track 3 XtalPi Lab Experiment（实验室任务赛道）、以及Track 4 Deformable Manipulation（柔性物体操作赛道）两条赛道，分别取得赛道第二名-全球第三名与Finalist（最终提名）。
DeepCyboZGCA战队由北京中关村学院、北京航空航天大学、中国科学技术大学、学院孵化企业DeepCybo（深度机智）公司联合组成，围绕真实双臂机器人操作任务，完成了从遥操作示教、数据闭环、策略训练到真机部署的完整技术链路。
赛事速览：ICRA WBCD双臂机器人挑战赛
WBCD聚焦真实双臂机器人的综合操作能力，强调机器人在真实场地、真实硬件和真实任务规则下完成复杂操作。本届中国上海赛区设置了面向双臂机器人实操的高强度任务，对系统稳定性、策略泛化能力和现场部署能力提出了直接考验。
核心考核包括：
• 双臂协同作业：左右臂需要在同一任务空间内稳定配合，避免动作干涉。
• 多阶段连续操作：任务不是单步抓取，而是包含识别、接近、抓取、转移、放置等连续流程。
• 非标准化现场适配：赛场光照、布景、物体位置和硬件状态都会带来分布变化。
• 长时序稳定执行：策略不仅要完成动作，还要在多个阶段之间保持状态一致。
这些要求使WBCD不只是算法展示，更是对具身智能系统工程能力的一次集中检验。
赛场捷报：数据驱动型双臂机器人斩获佳绩
本次参赛队伍以唯一全流程端到端路线亮相赛道3，并在两条赛道中完成真实双臂机器人任务验证，展现出突出的学习控制能力和现场执行效果。
其中，在实验室任务赛道中，团队获得第二名。该赛道面向实验室场景下的精细长程双臂操作，要求机器人完成多阶段连续任务，对视觉感知、夹取稳定性、双臂协同和长时序策略执行提出了较高要求。
同时，团队也参加了可形变物体操作赛道，并入围Finalist。两条赛道的综合表现，使自研数据驱动技术路线获得现场评委和行业同行关注。
本次技术验证的主体内容集中在实验室任务赛道：从实验室任务拆解、遥操作示教数据采集，到策略训练与真机部署，团队围绕该赛道完成了更完整的系统闭环。下文将重点展开实验室任务赛道的赛场表现与核心技术方案。
围绕实验室任务赛道，赛场表现集中体现为三点：
• 任务完成度领先：在标准化任务条件下，系统能够稳定完成核心操作流程。
• 现场适应能力突出：面对光照、布景和硬件状态变化，系统通过策略切换与现场快速部署完成考核。
• 技术路线辨识度高：与传统规则控制或重仿真方案不同，本方案以端到端数据驱动策略为核心，直接面向真实操作数据建模。
核心硬核：业内领先的数据驱动式双臂机器人方案
本次方案的核心不是单一模型，而是一套面向真实机器人任务的闭环系统：
遥操作示教数据采集 -> 数据清洗与对齐 -> 多模型训练对比 -> 真机部署验证 -> 失败样本回流迭代
围绕这一闭环，团队系统验证了不同模型与训练策略：从小参数量的视觉运动策略，到参数量更大的VLA（视觉语言动作模型）；从BC（行为克隆），到 DAgger（在线干预式模仿学习）与Hil RL（人在回路强化学习）。相比只在仿真或离线指标上评估模型，本方案直接以真机任务完成度作为最终标准，并结合真实赛场任务需求择优部署。
1. 高一致性示教数据集体系
真实机器人学习中，数据质量直接决定策略上限。团队围绕观测-动作对齐、动作时序一致性、失败样本处理和关键阶段保留构建数据集，减少模型学习到“平均动作”或错误阶段切换的风险。
2. 双臂协同端到端学习框架
双臂任务天然存在左右臂耦合、动作干涉和长时序误差累积。团队采用端到端数据驱动策略，让模型从真实示教中学习双臂协同模式，并针对多阶段任务设计部署验证流程，提高连续操作稳定性。
3. 强鲁棒视觉感知与泛化优化
赛场环境并不等同于实验室环境。针对光照变化、相机视角偏移和场景布景差异，团队在数据采集、视觉输入和部署策略上进行泛化优化，使策略能够更稳定地适配真实现场。
4. 工程冗余与策略快速切换
数据驱动方案要进入真实赛场，必须与工程保障结合。系统配套故障识别、状态监测、策略切换和备用执行机制，在现场环境扰动下保证整体任务流程可持续运行。
技术价值：为工业具身智能落地提供新思路
本次WBCD赛场验证，尤其是实验室任务赛道中的真实实验室任务表明，纯数据驱动路线已经具备脱离纯仿真环境、进入真实复杂任务的潜力。它能够通过示教数据学习精细操作行为，并在真实硬件上完成多阶段双臂任务。这一技术路线对工业具身智能落地具有直接意义：
• 降低多场景任务开发成本：减少对固定规则和手工状态机的依赖，让机器人通过数据适配新任务。
• 提升复杂操作可扩展性：面向实验室、制造、分拣、装配等场景，数据驱动策略更适合处理接触丰富、流程复杂的任务。
• 推动真实数据闭环建设：从采集、训练、部署到回流迭代形成闭环，为后续规模化机器人学习奠定基础。
后续，团队将继续围绕数据集标准化、视觉抗干扰、长时序分层策略、双臂协同稳定性等方向推进迭代，让数据驱动型机器人系统更稳定、更泛化、更接近真实工业应用。
把具身智能推向真实现场
ICRA 2026 WBCD双臂机器人挑战赛，是具身智能从实验室走向真实场景的一次实战检验。自研纯数据驱动双臂机器人系统在赛场中的表现，展示了机器人学习在复杂实操任务中的应用潜力。再次恭喜学院师生在ICRA 2026 WBCD赛事中斩获佳绩！
团队信息
带队导师
陈 凯 北京中关村学院具身智能方向负责人、深度机智创始人
全 权 北京航空航天大学教授、天目山实验室教授、北京中关村学院兼职导师
尚伟伟 中国科学技术大学教授
团队成员
沈照龙 北京中关村学院x北京航空航天大学博士生
曹海鹏 北京中关村学院x北京航空航天大学博士生
庄梓伸 北京航空航天大学，深度机智实习生
王锦辉 北京航空航天大学，深度机智实习生
吴 昊 北京中关村学院x华东师范大学博士生
李 豪 北京航空航天大学
闫仲怀 北京航空航天大学
苏晨煜 中国科学技术大学
章 锐 中国科学技术大学
钱 源 中国科学技术大学
*文章内容源于可靠飞行控制研究组，作者沈照龙