今年的春晚可謂是群英薈萃，精彩紛呈。最初在蔡老師的小品中看到會后空翻的機器人時，小編的表情像被強行增高的小撒一樣。

后面的武術(shù)表演更是讓小編感到震撼，機器人什么時候進修為武林高手了？我的“鐵哥們”趁我不注意竟然學(xué)會了醉拳？

那么這些有趣的機器人是如何為我們呈現(xiàn)“機器春晚”的盛宴的呢？

具身機器人與具身智能

春晚中出現(xiàn)的機器人可統(tǒng)稱為具身機器人，是利用具身智能的概念設(shè)計的機器人。

具身智能是一類具有實體并能與真實世界交互的智能系統(tǒng)，這種系統(tǒng)能通過物理層面的互動來進行學(xué)習(xí)和優(yōu)化，進而不斷地適應(yīng)復(fù)雜的物理環(huán)境。

具身智能的底層原理是感知-互動閉環(huán)，通過傳感器等感知周圍環(huán)境后處理得到下一步的行為，行為改變了環(huán)境狀態(tài)，進而繼續(xù)進行感知。這就像是人體的神經(jīng)回路一樣，通過感知外部的變化做出正確的反應(yīng)。

具身智能系統(tǒng)基本概念

而我們常見的人工智能體ChatGPT、Deepseek等，屬于離身智能，是在虛擬的信息世界中進行數(shù)據(jù)處理和學(xué)習(xí)，能夠提供信息，但是沒有實體，不能夠作用于真實世界。離身智能就像是一名“紙上談兵”的將軍，能夠為你提供方案，但是無法幫你做出行動。

本次春晚的各種具身機器人就是具身智能的典型代表。不論是武術(shù)、舞蹈還是交流，這些互動都涉及了與真實物理環(huán)境的交互。各式各樣的具身機器人一起亮相春晚，讓我們感受到新的技術(shù)革新悄然接近。

機器人如何練就一身功夫

從蛇年春晚的秧BOT進化到如今的武BOT僅僅間隔了一年，卻讓我們看到了具身機器人在運動控制方面的巨大進步。

掃堂腿、空翻、醉拳等高難度武術(shù)動作成功被機器人復(fù)刻，帶給了我們極大的震撼和驚喜。這些動作是如何實現(xiàn)的呢？

單腿連續(xù)空翻

Airflare大回旋

首先是機器人如何進行精準(zhǔn)有力的運動。當(dāng)給予機器人一個目標(biāo)動作和位置時，機器人會從最終的結(jié)果計算出當(dāng)前最優(yōu)的運動方式，這個過程叫做逆運動學(xué)。人形機器人需要計算其各關(guān)節(jié)運動角度，并利用強化學(xué)習(xí)或優(yōu)化算法可以不斷地優(yōu)化運動動作。

人類發(fā)力靠肌肉收縮，機器人發(fā)力靠電機。在武術(shù)動作中，機器人借助自身電機的高扭矩模擬人體肌肉的高爆發(fā)力，能夠輕易實現(xiàn)普通人難以做到的高難動作。

比如醉拳中的一系列動作需要極強的身體控制力和協(xié)調(diào)性，這對于擁有強大關(guān)節(jié)的機器人來說輕而易舉。這種電機就像武俠小說里描寫的“內(nèi)力”，看起來平平無奇，一旦需要，便能瞬間爆發(fā)出摧枯拉朽之勢。

其次是機器人如何保持運動后的平衡。我們在重心不穩(wěn)時，會本能地向傾斜方向跨步以保持身體的平衡，這是我們進化來的本能反應(yīng)，而機器人沒有這個本能，它需要依靠算法來模擬。

空翻后的“小碎步”

仔細看節(jié)目中機器人的武術(shù)動作，我們可以發(fā)現(xiàn)有些機器人在落地后會有一個小小的“墊步”動作，這是機器人在調(diào)整重心的過程。機器人會利用零力矩點控制，時刻檢測自己的重心位置，如果發(fā)現(xiàn)重心不穩(wěn)偏離了支撐面，控制系統(tǒng)會在幾毫秒內(nèi)計算出最優(yōu)策略并迅速進行姿態(tài)調(diào)整。

空翻后的墊步動作

整個調(diào)整過程非常快，幾乎不影響后續(xù)動作的進行，這種調(diào)整能力能夠提升機器人在實際環(huán)境中的抗干擾性。

機器人迅速調(diào)整隊形

機器人們整齊劃一的動作離不開AI融合定位算法和自帶的3D激光雷達組成的高動態(tài)高協(xié)同的集群控制技術(shù)。

雷達裝置可以不斷向周邊發(fā)送光脈沖，通過接受反射信號對舞臺場景進行激光掃描和定位，讓每一臺機器人清楚自己在舞臺中的具體位置。

所有機器人依靠機載傳感器實時感知環(huán)境，借助AI處理環(huán)境數(shù)據(jù)，自主規(guī)劃路徑、動態(tài)調(diào)整隊形，并能在跑偏或受干擾后全自動恢復(fù)。所有機器人之間通過集群控制，互相通報自己的位置和動作狀態(tài)，避免碰撞事故，步調(diào)一致，實現(xiàn)了自主協(xié)同。

機器人的飛升

今年的春晚舞臺上，武BOT機器人與去年亮相的秧BOT相比，呈現(xiàn)出全方位的躍升。

最直觀的變化在于外觀和機身設(shè)計上，武BOT采用銀白色機身，整體造型更富有科技感，給人親和力，而秧BOT則偏向仿人形態(tài)，機械感較重。

武BOT：宇樹G1機器人

秧BOT：宇樹H1機器人

這兩款機器人來自宇樹科技的不同具身機器人系列——秧BOT所用的是H1型，扭矩強勁但自重較大；而今年的武BOT采用了全新的G1型，盡管單關(guān)節(jié)扭矩略小，但整體質(zhì)量更輕，配合自由度的關(guān)節(jié)電機，使其動作更靈活，能夠?qū)崿F(xiàn)超大范圍的關(guān)節(jié)運動。

在動作表現(xiàn)上，武BOT也實現(xiàn)了質(zhì)的突破。相較于老前輩秧BOT，武BOT移動速度更快，集群變換隊形更加迅捷流暢；在動作難度方面，它不再局限于簡單的轉(zhuǎn)手絹，而是完成了一系列高難度武術(shù)動作。

這些動作上的進步得益于強化學(xué)習(xí)算法的升級。G1機器人采用了最新的UnifoLM機器人世界大模型，融合了仿真引擎與策略增強兩大核心技術(shù)。

把黑色相機裝進盒子里（右上為世界模型對未來動作視頻的預(yù)測）

仿真引擎為機器人提供了一個高精度的交互式訓(xùn)練環(huán)境，使其在虛擬場景中完成大規(guī)模強化學(xué)習(xí)，掌握精細的力矩控制能力；而策略增強模塊則賦予機器人預(yù)測能力，在與環(huán)境的動態(tài)交互中不斷優(yōu)化行為策略，從而完成高質(zhì)量的武術(shù)動作。

此外，G1還配備了H1所不具備的靈巧手。它的每根手指均可獨立運動，結(jié)構(gòu)靈活，能夠貼合不同形狀的物體；手部搭載的高靈敏度傳感器可以實時感知握力，幫助機器人精準(zhǔn)調(diào)節(jié)每個手指的力度，既能穩(wěn)穩(wěn)抓握道具，又不會影響動作的連貫與舒展。這一設(shè)計為武BOT在完成復(fù)雜動作打下基礎(chǔ)。

靈巧手盤核桃

最能體現(xiàn)這種靈巧手的優(yōu)異性的其實是今年春晚老北京機器人的盤核桃動作。

機器人宇宙

那么除了這些機器人外，春晚中還在什么地方出現(xiàn)了機器人呢？

蔡明老師的小品《奶奶的最愛》展示了多款機器人及其功能，其中口齒伶俐的小機器人撐起了幾個笑點。機器人展示的魔術(shù)變錢、后空翻、分頭行動等成功整了個活，后面看到奶奶的循環(huán)出現(xiàn)小編還驚了一下（小品鬼故事）。

奶奶從里屋推出的仿真機器人奶奶成功給出一瞬間的錯覺，以為剛剛演小品的蔡老師真是仿真機器人在演。

三十年前后的“機器人蔡明”

另外值得一提的是這個仿真的蔡老師機器人讓小編想起了蔡老師在早期春晚節(jié)目《機器人趣話》中飾演的機器人，時過境遷，當(dāng)時的機器人設(shè)想在相距三十年的今天成為了現(xiàn)實，具身機器人融入家庭生活場景充滿了前景。

特喜歡您~

在沈騰與馬麗帶來的賀歲微電影《我最難忘的今宵》中，鐵哥們Galbot G1說著一手地道的北京話，展示了盤核桃、取物、疊衣服、串烤腸等一系列實用技能，流暢自然。

這些技能展現(xiàn)了機器人理解三維場景和與人語言交互的能力，實現(xiàn)了多種泛化技能，面向未來家庭服務(wù)等工作場景提供了潛力。其中三維場景依托于視覺傳感器和先進的場景理解算法，能夠?qū)崟r構(gòu)建房間的三維地圖，識別不同物體，進而計算出最優(yōu)路徑以及動作規(guī)劃。

歌舞《智造未來》中，魔法原子的智勇小超人MagicBot Z1與人共舞，精準(zhǔn)卡點音樂節(jié)奏，做出一系列復(fù)雜的舞蹈動作。這得益于機器人高爆發(fā)力和模仿強化學(xué)習(xí)能力，靈活迅猛，動作超人。

分會場也出現(xiàn)了機器人的身影，宜賓分會場的機器狗MagicDog亮相，其扮演的國寶熊貓生動形象；義務(wù)分會場的賽博悟空腳踩筋斗云，氣勢磅礴。

從三十年前的《機器人趣話》到除夕的這場“機器春晚”，時間見證了科技發(fā)展照進現(xiàn)實。機器人雖為鋼鐵之軀，卻在春晚的舞臺上用精準(zhǔn)的算法和東方的文化，成為了所有觀眾的鐵哥們。

科技不斷融入我們生活，為我們帶來智能世界的美好，正如《智造未來》中的歌詞：“未來已來到，勤勞智慧的創(chuàng)造，全都精妙又低調(diào)；未來已來到，你的熱情會閃耀，讓生活變得奇妙”。

值此新春佳節(jié)，小編祝大家在新的一年里一馬當(dāng)先，馬到成功！

參考文獻：

[1] 白辰甲,許華哲,李學(xué)龍.大模型驅(qū)動的具身智能:發(fā)展與挑戰(zhàn)[J].中國科學(xué):信息科學(xué),2024,54(09):2035-2082.

[2] 陶永,萬嘉昊,王田苗,等.構(gòu)建具身智能新范式：人形機器人技術(shù)現(xiàn)狀及發(fā)展趨勢綜述[J].機械工程學(xué)報,2025,61(15):121-147.

[3] Rubio F, Valero F, Llopis-Albert C. A review of mobile robots: Concepts, methods, theoretical framework, and applications[J]. International Journal of Advanced Robotic Systems, 2019, 16(2): 1729881419839596.

[4] D'Souza A, Vijayakumar S, Schaal S. Learning inverse kinematics [C]//Proceedings 2001 IEEE/RSJ International Conference on Intelligent Robots and Systems. Expanding the Societal Role of Robotics in the the Next Millennium (Cat. No. 01CH37180). IEEE, 2001, 1: 298-303.

[5]https://mp.weixin.qq.com/s/8fM_PAEgZGO_CNcQQcTRTw

[6] https://www.unitree.com/cn

[7] https://www.magiclab.top/

[8] https://noetixrobotics.com/

[9] https://www.galbot.com/

[10]https://zhuanlan.zhihu.com/p/2007031804746548128

[11]

[12]https://unigen-x.github.io/unifolm-world-model-action.github.io/

[13]

編輯：endlesscliff