李飛飛要用ImageNet的方式，推動具身智能了。

依然是一個“挑戰(zhàn)賽”。

就在最近，由李飛飛團隊發(fā)起、英偉達贊助（其中之一）的首屆BEHAVIOR家務(wù)挑戰(zhàn)賽正式啟動。

這一次，他們下定決心凝聚學(xué)術(shù)界和產(chǎn)業(yè)界的力量，共同向機器人做家務(wù)這一高地發(fā)起沖擊。

簡單來說，參賽者需要統(tǒng)一使用星海圖R1 Pro（雙手操作+輪式移動）作為本體，在逼真的BEHAVIOR-1K虛擬家庭環(huán)境中，解決50項完整的家務(wù)任務(wù)（涵蓋重新布置、烹飪、清潔等各種活動）。

參賽者可以自由選擇算法，官方還提供了1萬條專家演示軌跡（約1200小時），方便大家用模仿學(xué)習(xí)快速上手。

具體賽道則有兩條可選：

• 標準賽道（Standard Track）：機器人只能用“自己能看到的東西”決策。
• 特權(quán)賽道（Privileged Track）：機器人可以獲取更詳細的環(huán)境狀態(tài)信息（比如物體坐標、房間結(jié)構(gòu)）。

然后官方會在固定的50個任務(wù)上，讓所有機器人跑相同測試，用以下標準打分（主要）：

• 任務(wù)完成率：能否完全把任務(wù)做完，比如“把餐具放進洗碗機”真的被完成。
• 部分完成度：如果只做到一半，比如“拿起盤子但沒放進去”，也會給部分分數(shù)。

其他次要指標包括：模擬時間（完成任務(wù)用了多長時間）、導(dǎo)航距離（走了多遠）、手部位移（動了多少次機械臂）、穩(wěn)定性等。最終排名主要看平均任務(wù)完成率。

比賽提交截止期日為2025年11月15日，最終獲獎前三名還有最高1000美元獎金及RTX 5080可拿。

OK，說完比賽內(nèi)容，那么接下來的問題是——

為什么要發(fā)起B(yǎng)EHAVIOR？

關(guān)于發(fā)起B(yǎng)EHAVIOR的背后原因，李飛飛在和Jim Fan（英偉達具身智能實驗室聯(lián)合負責人、也是李飛飛學(xué)生）、 Edmar（英偉達Omniverse社區(qū)經(jīng)理） 的一場爐邊談話中進行了詳細闡述。

整體而言，BEHAVIOR的發(fā)起正是受到ImageNet的啟發(fā)。

2009年，李飛飛帶領(lǐng)的研究團隊在CVPR發(fā)表論文《ImageNet: A Large-Scale Hierarchical Image Database》。伴隨著ImageNet挑戰(zhàn)賽舉辦，這一成果已然成為了計算機視覺領(lǐng)域的試金石，開啟了一個新的時代。

此時再回顧ImageNet，李飛飛坦言最初并未預(yù)想到它會完全重塑AI，她只是追隨自己的好奇心。

在她看來，ImageNet與神經(jīng)網(wǎng)絡(luò)（特別是卷積神經(jīng)網(wǎng)絡(luò)）以及英偉達的GPU一起，共同定義了深度學(xué)習(xí)的開端。

所以這一次，回到當下大熱的具身智能領(lǐng)域，她打算用同樣的方式再做一遍。

而具體到機器人做家務(wù)這件事上，目前機器人學(xué)習(xí)存在的痛點包括：

• 機器人學(xué)習(xí)缺乏標準化；
• 任務(wù)選擇通常是零散的，使得論文之間的結(jié)果很難進行比較；
• 訓(xùn)練數(shù)據(jù)匱乏，這有點類似于ImageNet出現(xiàn)之前計算機視覺領(lǐng)域所面臨的問題。

因此，李飛飛將BEHAVIOR也看做機器人領(lǐng)域的“北極星”任務(wù)，她希望借助社區(qū)力量推動具身智能向前發(fā)展。

BEHAVIOR挑戰(zhàn)賽有哪些看點？

另外，BEHAVIOR除了自帶李飛飛光環(huán)，這個挑戰(zhàn)賽本身也很有看點。

首先從理念上，BEHAVIOR被設(shè)計為以人為中心，尤為強調(diào)AI是為了增強（augment）和賦能（empower）人類，而非取而代之。

這種理念貫穿著BEHAVIOR的所有環(huán)節(jié)。例如，團隊會在任務(wù)定義、數(shù)據(jù)選擇和倫理價值導(dǎo)向上，來始終確保機器人的目標與人類的需求相符。

其次，BEHAVIOR核心瞄準做家務(wù)這一賽道，并首次明確提出了相關(guān)標準——

一個真正的家庭機器人，必須同時具備跨房間導(dǎo)航、雙手精細操控、長期規(guī)劃與動態(tài)適應(yīng)等多項能力。

而且為了訓(xùn)練機器人學(xué)習(xí)相關(guān)能力，BEHAVIOR的規(guī)模也講求一個“大”。

它覆蓋了1000個家庭活動，50個完整長程挑戰(zhàn)，平均單個任務(wù)需要6.6分鐘連續(xù)操作。

所以，以人為本、目標清晰、規(guī)模巨大的BEHAVIOR，無疑具備成為“下一個ImageNet”的潛力。至于最終結(jié)果如何，一切都要交給時間，畢竟ImageNet也不是一朝一夕成就的。

Anyway，如果說ImageNet開啟了視覺智能的黃金時代，那BEHAVIOR，或許正是具身智能的第一聲號角。

以及關(guān)于機器人做家務(wù)這件事，最近也都成了具身智能項目爭相整活的任務(wù)。以后拍視頻，可能就都是家務(wù)場景了。

大語言模型的檢測是做題，具身智能機器人的檢測是做家務(wù)。

潮水趨勢，已經(jīng)很明確了。

大賽詳情頁：
https://behavior.stanford.edu/challenge/index.html