還記得今年央視春晚上宇樹機器人的《武bot》嗎？G1和H1在快速奔跑中穿插變陣，后空翻、側(cè)踢、耍雙節(jié)棍、打醉拳……讓所有人見識了高動態(tài)、高協(xié)同的全自主集群控制技術(shù)。

這樣的技能，以后還能進化到什么程度？

答案來得很快。

3月3日，北京通用人工智能研究院（BIGAI）、宇樹科技、上海交通大學(xué)、中國科學(xué)技術(shù)大學(xué)等，聯(lián)合發(fā)布了一項重磅研究成果。他們開發(fā)出一個名為OmniXtreme的新框架，可以讓宇樹G1學(xué)會執(zhí)行各種極限動作，像是連續(xù)翻轉(zhuǎn)、極限平衡，甚至通過快速接觸切換跳霹靂舞等。

宇樹科技創(chuàng)始人兼CEO王興興也在署名作者之列。

基于統(tǒng)一策略O(shè)mniXtreme的全身極端運動控制（圖片來源于論文）

一個困擾行業(yè)多年的難題

這篇標題為《OmniXtreme：突破高動態(tài)人形機器人控制的通用性壁壘》的論文， 一作 為Yunshen Wang和Shaohang Zhu。兩位青年學(xué)者分別來自通研院與上海交通大學(xué)、通研院與中國科學(xué)技術(shù)大學(xué)的聯(lián)合培養(yǎng)項目，同時也屬于通研院-宇樹科技具身智能與人形機器人聯(lián)合實驗室。

論文地址：https://arxiv.org/abs/2602.23843

“我們花了一整年時間深入研究通用跟蹤和極端物理行為之間的障礙。在測試了數(shù)十臺G1后，最終找到了學(xué)習(xí)和物理執(zhí)行能力方面的瓶頸?！闭撐牡墓餐ㄓ嵶髡?、北京通用人工智能研究院具身機器人中心主任黃思遠在社交媒體上透露，這是他們首次與王興興合作發(fā)表論文，“一次非常有啟發(fā)性的經(jīng)歷”。

讓通用人形機器人擁有人類水平的運動能力，是從業(yè)者們長期以來的共同追求。然而，在保持高精度動作控制的同時，實現(xiàn)運動技能的可持續(xù)拓展（generality barrier，通用性瓶頸），一直是該領(lǐng)域面臨的關(guān)鍵技術(shù)挑戰(zhàn)。

簡單來講，當前的機器人就像一個偏科生，可以在某一單項上成為冠軍，比如精準完成后空翻，卻很難成為全能型的運動健將。當訓(xùn)練數(shù)據(jù)擴展至包含數(shù)十種風(fēng)格迥異的復(fù)雜運動時，模型性能便會急劇衰退，學(xué)習(xí)效率也大打折扣。

王興興就曾在2025年世界機器人大會上坦言，目前機器人運動控制領(lǐng)域存在RL Scaling Law（強化學(xué)習(xí)的規(guī)模效應(yīng)）問題。他解釋說，現(xiàn)在的機器人在學(xué)習(xí)一項新技能時，往往需要從頭開始研究和教學(xué)。“比如我有一個新的舞蹈要去訓(xùn)練，那么每次加入新動作，都要重新訓(xùn)練”。

他希望 未來能 夠?qū)崿F(xiàn)技能的持續(xù)積累與遷移學(xué)習(xí)，讓機器人在已有能力基礎(chǔ)上不斷擴展新的技能，從而大幅提升學(xué)習(xí)效率和適應(yīng)性。

從模仿學(xué)習(xí)到實戰(zhàn)打磨

的兩階段訓(xùn)練

OmniXtreme研究團隊找到的破解之法，是把訓(xùn)練過程拆成兩個階段，先讓它在訓(xùn)練場里“看”遍各種動作，再把它放到真實場地里打磨技術(shù)。

具體來說，第一階段是預(yù)訓(xùn)練，讓機器人先“博覽群書”（flow-based generative control policy，基于流的生成式控制策略）。團隊先為每一個高難度動作，比如后空翻、托馬斯全旋，訓(xùn)練一個“專家老師”，然后基于數(shù)據(jù)集聚合（Dagger）的流匹配算法，把這些分散的專家知識全部融合到一個統(tǒng)一的“基座策略”里。有了這些知識，這個基座策略就知道如何執(zhí)行各種不同類型的動作。

第二階段是后訓(xùn)練，讓機器人上“真刀真槍”（actuation-aware residual RL，驅(qū)動感知的殘差強化學(xué)習(xí)）。光在電腦里學(xué)得好還不夠，畢竟真實世界有復(fù)雜的物理約束：電機有扭矩極限，有發(fā)熱問題，也有能量回沖的風(fēng)險。團隊凍結(jié)了第一階段學(xué)到的基座策略，在上面加了一個輕量級的“殘差策略”，專門負責在真實電機約束下做精細化調(diào)整。

后訓(xùn)練這一步，對于成功實現(xiàn)真實世界的遷移至關(guān)重要，團隊為此還上了一套優(yōu)化的“組合拳”。比如“激進的域隨機化”，說“人話”，就是模擬各種意外情況，讓機器人學(xué)會應(yīng)對真實世界的干擾。

此前很多人就注意到，在《武bot》節(jié)目里，多臺G1在完成空翻落地時腿腳打滑，卻能和人一樣馬上調(diào)整身形站穩(wěn)，估計就是訓(xùn)練的結(jié)果。

157次試驗整體成功率91.08%

最終訓(xùn)練出的單一策略，已經(jīng)能讓宇樹G1在現(xiàn)實世界中完成24種高動態(tài)運動，157次試驗的整體成功率高達91.08%。其中，后空翻等動作成功率為96.36%，武術(shù)類為93.33%。

現(xiàn)在 登錄 項目官網(wǎng)，你可以看到研究團隊發(fā)布的一系列真機演示視頻。宇樹G1成功完成的動作展示，包括：連續(xù)五個韋伯斯特空翻；長段霹靂舞表演；向后跳躍，經(jīng)手倒立姿勢旋轉(zhuǎn)，下落，翻轉(zhuǎn)，隨即彈起；前滾翻，后滾翻，向前爬行等。

項目官網(wǎng)：https://extreme-humanoid.github.io/

這些動作不僅需要極高的動態(tài)平衡能力，還需要在毫秒級的時間內(nèi)完成全身協(xié)調(diào)。視頻中，機器人的動作流暢自然，與參考運動高度一致，展現(xiàn)出相當不錯的運動控制能力。

為了進一步驗證是否真的解決了通用性瓶頸問題，團隊還設(shè)計了漸進式壓力測試方案。他們分別使用10個、20個和50個動作，對模型進行訓(xùn)練，并固定以前10個動作為基準，統(tǒng)一評估不同訓(xùn)練規(guī)模下的表現(xiàn)。

結(jié)果顯示，隨著動作多樣性的增加，傳統(tǒng)基于強化學(xué)習(xí)從頭訓(xùn)練的方法出現(xiàn)了明顯性能下降，成功率從100%逐步降至83.3%，最終 滑 到73.9%。

相比之下，OmniXtreme方法展現(xiàn)出較強的穩(wěn)定性與泛化能力，在50個動作的訓(xùn)練條件下，對前10個核心動作的跟蹤成功率仍保持在93.3%。

目前，該研究的相關(guān)論文、模型檢查點及代碼已正式開源。研究團隊還透露，未來或?qū)㈥懤m(xù)公開包括流匹配基礎(chǔ)策略訓(xùn)練與推理代碼、剩余后訓(xùn)練與推理代碼，以及C++真實部署代碼等在內(nèi)的更多資源。

這意味著，全球的研究者和開發(fā)者都可以基于OmniXtreme框架，訓(xùn)練自己的人形機器人學(xué)會各種高動態(tài)運動技能。這也將大大加速人形機器人運動控制領(lǐng)域的發(fā)展。

文 | 童蔚

VIEW MORE

@浙江的小城里藏著一座短劇超級工廠>>

@合肥的科大訊飛、北京的百度都選擇了杭州>>

@2028全球智能危機，第一塊多米諾已倒下？>>