具身智能體操作系統PhyAgentOS，賦能全球Physical AI 技術挑戰賽冠軍

PhyAgentOS 的“冠軍級 Physical AI 底座”與開發者普惠之路邁向具身智能落地新紀元。

2026年4月27日，美國舊金山，在Berkeley Emerging Technology Association（BETA）主辦的BETA Hackathon 2026（全球頂級Physical AI技術挑戰賽）現場，中山大學HCP實驗室憑借其研發的PhyAgentOS物理智能體操作系統開源框架，成功將Physical AI（物理AI）技術推向國際舞臺，并見證了年僅11歲的開發者Arjun基于PhyAgentOS作為核心技術底座奪得全賽道總冠軍，這充分證明了 PhyAgentOS 在降低 Physical AI 開發門檻、打通從任務規劃到真實執行閉環、支撐真實機器人與仿真方面的價值，也說明優秀的 Physical AI 基礎設施能夠讓更多全球開發者以更低成本、更高效率參與具身智能創新實踐。

01

打造核心技術底座，定義Robotics賽道標準

作為BETA Hackathon 2026 中最重要也最火熱的Robotics賽道的主辦方與核心技術支撐方，中山大學HCP實驗室聯合鵬城實驗室，將自主研發的PhyAgentOS框架確立為該賽道的統一開發平臺。這意味著，所有參加Robotics方向的全球團隊必須基于PhyAgentOS進行開發，使該框架成為衡量參賽作品的技術基準。

圖1： BETA Hackathon 2026 Robotics賽道的宣傳海報

通過PhyAgentOS為賽事搭建了"Bring Your Robot to Life"的實戰平臺，參賽者在一天緊湊的比賽時間內，依托這一技術底座構建能夠自我進化的具身智能體（Embodied AI Agent），并完整展示從自然語言指令到物理世界執行的閉環能力。這場總獎金池高達60,000美元的頂級賽事，涵蓋AI Native、Voice & Vision、Robotics及Crypto & Agents四大賽道，吸引了來自世界各地數百名開發者、研究者和創業者同場競技。

02

PhyAgentOS:降低門檻的技術創新成就冠軍傳奇

PhyAgentOS是由中山大學HCP實驗室聯合鵬城國家實驗室研發的Physical AI操作系統開源框架。該框架以"State-as-a-File"為核心設計理念，創造性地將機器人狀態、環境感知與動作規劃以Markdown文件形式進行結構化記錄，實現了高可讀性與強可解釋性的統一。

圖2：PhyAgentOS框架圖

PhyAgentOS框架提供三層交互接口:自然語言指令層、代碼API層，以及底層的狀態-規劃-執行循環（Perceive→Plan→Simulate→Learn→Execute）。參賽者僅需數行代碼，即可驅動真實或仿真的機器人完成復雜物理交互任務。正是這種極低的技術門檻設計，使得11歲的Arjun能夠快速上手并創造出令評審團驚嘆的Physical AI原型。

評審團對基于PhyAgentOS構建的項目給予高度評價，特別稱贊其在Demo Showcase中的流暢執行能力、Documentation Depth中體現的高可復現性，以及Creative Vision中展現的解耦架構與狀態日志設計。這些特性使得全球開發者，無論年齡與背景，都能快速創造令人驚嘆的Physical AI應用。

圖3：BETA Hackathon 2026現場，全球開發者匯聚一堂

作為面向物理智能體的關鍵基礎設施，PhyAgentOS 的意義不僅在于提供了一套可開源、可復用的技術框架，更在于它通過統一任務規劃、技能運行、執行對象管理與監督機制，打通了從認知決策到真實執行的完整閉環，并讓真實機器人、仿真環境與 benchmark 能夠在同一架構下協同工作，從而顯著降低了 Physical AI 的開發門檻，加速了具身智能技術從實驗室走向現實世界的落地進程。

03

冠軍誕生:PhyAgentOS賦能年輕天才實現突破

年僅11歲的Arjun從9歲起開始學習人工智能，今年1月才正式系統接觸機器人技術。她以個人身份參加BETA Hackathon 2026的Robotics賽道，基于PhyAgentOS框架快速部署機器人系統，并在全部參賽隊伍中拔得頭籌，斬獲全賽道總冠軍殊榮。

圖4：獲獎團隊Carmelo在BETA 2026 Hackathon領獎現場

盡管只有11歲，Arjun已是第11次參加Hackathon的"老兵"。本次比賽中，她所在的5人團隊有3位隊員是比賽當天才結識的，團隊分工明確——有人負責硬件理解，有人專注于Planner設計，有人擅長底層硬件實現。Arjun賽后表示:"與優秀的機器人或硬件合作是最好的學習方式，盡管硬件成本較高，但PhyAgentOS讓這一切變得觸手可及"。

另一位獲獎者Alson Cossette同樣展現了非凡的技術深度。她長期專注于VLA（Vision-Language-Action）模型研究，在項目中精妙地利用Markdown記錄系統狀態。作為自由職業者，她志在未來創立自己的Robotic Startup，并評價道:"這是我參加過的最令人印象深刻的項目，每個人都為團隊做出了貢獻"。

這不僅是對兩位年輕開發者個人能力的最高認可，更是對PhyAgentOS框架在降低Physical AI開發門檻、賦能全球創新者方面卓越成效的有力證明。當優秀的工具與平臺被創造出來，年齡的界限便不再重要，才華與創意才是真正的通行證。

PhyAgentOS網站：https://phy-agent-os.net

PhyAgentOS Github ： https://github.com/PhyAgentOS/PhyAgentOS

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。