人形机器人运动会落幕：从遥控迈向全自主

8 月 26 日，第二届世界人形机器人运动会落幕。本届赛事的最大看点，是多项径赛项目从「被遥控」升级为「全自主」——机器人需自行感知位置、规划路线并完成奔跑。天工 Ultra 以 8.64 秒夺得 100 米大型组冠军，较上届 21.50 秒的成绩大幅缩短，但冲过终点后径直撞向缓冲垫的场景，也暴露出自主运动控制仍待跨越的多道门槛。

从遥控到自主：机器人开始自己决定怎么跑

甩开遥控器，意味着机器人需要实时判断自身位置、规划路线，并将路线转化为关节动作，实现自我控制。分工由此改变：人不再持续下达每一条动作指令，而是给出整体目标；机器人则需加装激光雷达、全局定位等外部感知装备。

北京人形机器人创新中心运动控制算法专家韩刚透露，参赛机器人「头上会顶一个雷达，然后会有一个全局的定位」，机器人会实时知道自己的位置、自行规划路线、沿跑道前进。去年流行的巡线跑策略依赖电机本体被动反馈，今年速度更快、竞争更激烈，这一模式已被淘汰。

天工 Omni 在 400 米小型组赛场上「捂脸狂奔」的姿态，便是机器人在仿真中数据迭代的结果。韩刚解释：「一开始我们设计的是正常人百米跑步的模式，但这个跑步方式是机器人在仿真过程里不断用数据迭代出来的，它在学的时候，可能感觉『捂脸跑』比摆臂跑更舒服。」本届田径竞速全部要求采用自主模式，团队只下达「奔跑」一条指令，导航、避障、停止均由机器人自行完成。

更复杂的检验来自 100 米障碍赛。智元灵犀 X2 夺得该项目金牌，以量产版本参赛，引入视觉感知，并基于 AGILE 生成式通用小脑引擎框架进行自主或半自主决策，参数辨识则用于缩小仿真与现实的差距。

弯道比直线更难：自主运动短板浮出水面

机器人能否通过相机、雷达和定位系统看清自身位置与前方环境，并决定沿哪条路线走，是「自主」需要解决的第一道问题；它能否调动关节和全身把路线执行出来，则更接近小脑所负责的平衡、步态和全身控制。

当机器人从直线跑进入弯道，问题会进一步复杂。相比于直线跑，转弯还要增加横向力和身体旋转，机器人需要改变脚的落点，同时调节躯干倾角、手臂和腰部运动，抵消全身旋转产生的角动量。韩刚介绍，短程比赛中为保证爆发力会设置非常高的功率上限，这也导致「转弯出弯不太好控制」。北京人形机器人创新中心人形部负责人郭宜劼指出，人形机器人高速奔跑时，过弯规范和自主导航已与摩托车比较接近。

因此，「不会拐弯」是人工遥控退出后才会充分显现的问题，机器人必须独立完成从感知到动作的闭环，短板无法再由场外操作员补偿。

终点缓冲垫背后：赛场评价与产业评价开始分岔

100 米大型组决赛中，天工 Ultra 在后半程依靠更高极速完成反超。但高速冲过终点后，几台机器人径直撞向缓冲垫。有参赛厂商告诉记者：「现场大家看到机器人跑到最后就倒了，实际上是赛场的距离受限、安全起见只能设置泡沫墙。若有足够的距离，机器人其实是完全可以站稳的。」

竞赛追求最短用时，让机器人撞上缓冲装置可以把本应由机器人主动完成的减速过程交给外部设施，减少成绩损失。但在工厂、商场或家庭里，机器人显然不能依赖终点缓冲垫停止。竞技比赛测试的是机器人单项能力的上限，真实部署考验的则是系统能力的下限——一台经过高强度调试的机器人跑出极限成绩，与一批机器人在不同地面、不同温度和不同负载下长期稳定工作，是两种不同能力。

郭宜劼表示，人形机器人能超越人类的纪录，说明随着本体技术和小脑能力不断成熟，在某些身体控制或运动能力上已经可以超越人类。「未来我们也是希望不断把它的小脑能力开发得更加成熟，能够去做各种各样人才能完成的全身复杂动作。」

从性能展示到系统比拼：泛化能力仍是关键

Arm 物理 AI 机器人技术研究全球负责人 Federico Pecora 介绍，机器人能力演进正在经历三个阶段：

• 第一阶段：跨对象泛化——机器人能在同一任务流程中处理不同类型的对象，已在分拣、物流、零售等结构化场景中验证。
• 第二阶段：多任务智能——统一智能平台支持多种任务执行，机器人可按需求切换不同能力组合。
• 第三阶段：系统级自适应——机器人根据环境变化自主完成能力调整，无需重新开发、训练或部署。

首程控股资本市场部总经理康雨将机器人运动会理解为「一场公开聚光灯下的极限可靠性测试」，认为赛场暴露出的弯道摔倒、动力耗尽、零部件损坏等问题，正是现实应用中必须解决的风险。今年产业进步超预期，但距离成熟落地仍有很长的路。