人形机器人突破“表演”困境：全身智能技术让双足真正干活

事件概述

近期，人形机器人领域出现了一项值得关注的技术进展。源策未来发布了其基于“全身智能”（Whole-Body Intelligence， WBI）技术路线的新模型与演示。该系统的核心目标是让人形机器人摆脱“只能跳舞表演，无法真正干活”的尴尬处境，实现利用人类设计的空间完成实际工作的能力。在公布的演示中，机器人能够俯身扶起倒在地上的自行车，精细按压电饭煲启动键，并独立完成搬来踏台、登上平台抓取高处物品的连贯动作。这一系列表现，标志着人形机器人在全身协调操作方面迈出了关键一步。

背景与脉络

人形机器人之所以受到天量关注，其底层逻辑在于现实世界的基础设施——楼梯、橱柜、货架、门把手等——都是围绕人类身体尺寸与运动方式设计的。理论上，拥有双足与双臂的机器人可以越过障碍，直接使用工具工作。然而，行业演进几年后，公众看到的更多是机器人跑跳、翻跟头的表演，即便有干活演示，也大多局限于在平地上站稳后伸手操作。这种“定住干活”的模式，使得人形机器人的优势难以体现，被贴上“成本极高、极其脆弱的机械轮子”或“表演道具”的标签。

这一尴尬局面的根源，在于双足机器人底层的控制系统面临根本性两难：要维持身体稳定，手部动作就容易随之晃动；要追求手部操作的精准，整个身体又容易失去平衡。过去一年，行业主流方案普遍基于英伟达开源的全身控制基准“SONIC”进行开发。该方案展示了全身动作跟踪、遥操作及接入视觉-语言-动作（VLA）模型的自主操作能力，代表了当时的技术天花板。但走向实际操作时，它仍需同时兼顾末端跟踪精度、身体稳定性与可稳定触达的范围，而这正是当前的瓶颈。

具体而言，存在两大关键障碍。首先是末端跟踪精度不足。在源策的对比测试中，当机器人通过俯身、前伸等全身协调动作向低处或远处伸取时，开源基线方案的手部末端跟踪误差在10厘米量级。这种精度对于需要精细接触的操作而言远远不够。精度问题还会向前传导，限制有效数据的采集。训练全身操作模型需要人类示范数据，而遥操作驱动底座（即“小脑”）必须能准确将人类动作映射为机器人动作。在大幅度动作如弯腰捡物时，由于机器人身体与人体的非完全同构性，人类数采员做出触地意图时，机器人可能因姿态跟不上或手够不到而无法完成示范，导致团队难以采集到此类任务的有效真机数据。

其次是地形适应性缺陷。SONIC等主流方案的整个控制逻辑几乎完全绑定在平整地面上，算法假设脚底接触的是连续平滑的二维平面。这导致系统无法处理地形变化，无法采集到在台阶、不平地面等场景下的动作数据。这也解释了为何许多机器人演示中，跑跳时身手矫健，干活时却必须寻找平地站稳。行业此前尝试过将通行与操作拼接的策略，例如上楼梯时运行专门的通行功能，到达平地后再切换手臂操作功能。但这种过渡方案十分尴尬：如果机器人抱着箱子走到台阶前，它甚至得先放下箱子才能切换模式，完全丧失了人形机器人通行与操作一体化的优势。

影响分析

源策未来提出的WBI系统架构，试图从根源上解开上述死结。该系统清晰划分为两层：负责高频动态平衡与动作执行的运动控制基模“S0”（类比小脑），以及负责长程任务理解与拆解的智能基模“S1”（类比大脑）。

突破首先发生在底层的S0。其自研的S0在末端追踪精度上实现了跨越，将误差压到了2厘米区间。虽然2厘米在更广阔的机器人坐标系中仍非极致精密，但已接近物理接触操作的及格线，为精细操作奠定了基础。更重要的是，S0攻克了长期以来的平地缺陷，将控制维度拓展到了有高差的非平地上。在上台阶等过程中，它能动态协调下肢落脚轨迹、躯干姿态与重心转移，同时实现了对弯腰等大幅度动作意图的更好映射。

在S0成为更稳健的底层运控算法后，它也为大脑S1的预训练提供了高质量的数据基础。源策通过WBI数据平台自采EgoBody全身人类数据，记录人在生活场景中移动、调整姿态、接触环境和操作物体的经验，为模型建立身体、动作与环境关系的先验知识。结合S0的执行能力，S1得以学习更复杂的任务规划与分解。

这一技术路径对行业可能产生深远影响。首先，它为人形机器人从“演示”走向“实用”提供了一条可行的技术路线。当机器人能够真正利用双腿参与操作，在复杂地形中保持平衡并完成精细任务时，其作为通用劳动力的价值才开始凸显。这有助于撕掉“表演道具”的标签，吸引更广泛的产业投资与应用探索。

其次，对玩家与开发者而言，WBI所强调的全身数据采集体系与分层模型架构，可能成为新的研发范式。它提示行业，解决人形机器人操作难题不能仅依赖上层智能，更需夯实底层运动控制的基础。高精度、地形适应性的运动控制基模，是采集有效数据、训练强大智能基模的前提。

最后，对市场而言，人形机器人实用化能力的提升，将加速其在制造业、物流、家庭服务等场景的渗透。能够适应非结构化环境、完成连贯操作的机器人，将更具商业价值。尽管当前技术仍处于早期阶段，但源策未来的演示表明，通过聚焦全身智能与数据闭环，人形机器人正逐步克服其最尴尬的短板，向真正能“干活”的形态演进。