8 月 23 日下午，第二届世界人形机器人运动会 400 米小型组决赛，一台身高 1.35 米、体重 39 公斤的机器人从起跑线弹出。它没有像人类短跑选手那样大幅摆臂，而是把双手举到脸颊两侧，身体前倾，腰部剧烈扭动，用一种观众从未见过的姿态跑完了全程。耗时仅 45.66 秒，拿下了冠军。

这段比赛视频当天就在社交媒体上传开了。网友给这个跑姿取了各种名字：“社恐式冲刺”“娇羞跑”“捂脸狂奔”。它看起来确实像一个害羞的人捂着脸在跑。天工 Omni，北京人形机器人创新中心最新发布的人形机器人，就这样以一种谁都没有预料到的方式出了圈。

赛后，北京人形机器人创新中心运动控制算法专家韩刚在接受采访时回应了外界的好奇：“没有找小姑娘让它学，这套动作是机器人在仿真训练中逐渐形成的。”

(相关资料图)

北京人形机器人创新中心人形部主任郭宜劼则从力学层面解释了这个跑姿的成因。他指出，奔跑时需要用上身或手臂的惯量去平衡腿部大幅度的摆动，但机器人的胳膊关节其实不够强，让它一直前后摆动可能会过热，因此要尽量避免胳膊摆动，腰部的扭动就是这样产生的。

也就是说，“捂脸跑”不是一个意外的搞笑动作，而是机器人在自身硬件约束下找到的一个合理解。

网友关心的是机器人为什么“捂脸”，郭宜劼和韩刚的回答解释了原因。但对研发他们的工程师来说，更重要的问题是背后的过程：机器人具体是怎样一步步放弃摆臂、找到这个姿态的？这种自主寻找运动策略的能力，又能用在哪里？

一个跑姿是怎样被“试”出来的

400 米不是百米冲刺，它对机器人的要求不仅是绝对速度，还有能耗管理和热控制。郭宜劼提到的手臂关节过热问题，团队在早期仿真中就已经发现：按照标准人类摆臂跑姿训练，机器人跑到 200 米左右就会因为肩关节过热而降速，根本撑不完全程。

面对这个约束，团队没有人为指定一个替代姿态，而是在仿真环境中给机器人设定几个大方向的引导，比如速度要快、能耗要低、关节温度不能超限，然后让机器人自己去试。

韩刚描述了这个过程：在仿真里有大方向的引导，但具体怎么办并不事先定好，机器人自己去不断地尝试学习，不断地跌倒重来调整。

这个过程经历了数百万次迭代，机器人尝试过各种姿态组合，绝大多数因为不满足约束条件而被淘汰，最终收敛到了一个出乎所有人意料的方案：把双手举到面部附近，利用腰部强大的扭转力来维持平衡，而不是依赖手臂摆动。

这个姿态之所以有效，背后有清晰的力学逻辑。双手前置使机器人的重心向前移动，身体自然前倾，这意味着每一步的步幅可以更大。同时，手臂保持在低负载位置，肩关节的发热问题就被根本性地解决了。

天工 Omni 的腰部关节设计本身就比较强壮，用腰部转动来提供平衡所需的反作用力矩，比疯狂摆臂效率更高、能耗更低。最终的结果就是：机器人跑得更快，同时还能稳定地跑完全程。

这件事的技术价值不在于跑姿本身，而在于它验证了一种方法论：不是由工程师穷举所有可能的运动方案，而是在仿真环境中设定物理约束和优化目标，让强化学习算法自主发现最优策略。

这条路径如果走通，意味着未来面对新的任务和新的环境，机器人有可能自己找到解决方案，而不是每次都等人类工程师手动调参。

这个判断在次日得到了进一步验证。8 月 24 日，天工 Omni 在 400 米障碍赛中再次夺金，成绩 4 分 11 秒 44。障碍赛的赛道上有桩子、轮胎、低矮横杆等障碍物，机器人需要过桩、跨越、匍匐通过，运动模式远比平地跑复杂。但天工 Omni 使用的是同一套基于⌈慧思开物⌋平台的感知移动框架。

这套此前北京人形发布的技术方案，通过基于注意力机制的高程图重建，让机器人提炼出对行走最有价值的环境信息，做到不磕碰、不踩棱、不塌空。从平地跑到障碍赛，算法框架不需要推倒重来，这正是平台化能力的体现。

同一个平台的另一面：从竞速到干活

如果只看竞技赛的成绩单，天工机器人已经把多项数字推到了新的量级。8 月 26 日的 100 米大型组决赛中，天工 Ultra 以 8.64 秒夺冠，并包揽该项目金、银牌；此前，它还跑出 400 米 38.15 秒、1,500 米 2 分 21 秒 64，并在跳高项目中跳过 3.4 米。天工 3.0 包揽拔河重量级和举重项目的金、银、铜牌，天工 Omni 则拿下 400 米小型组和 100 米小型组冠军。

据北京人形 8 月 27 日发布的最终战报，其参赛机器人在本届运动会中 34 次刷新人类纪录，共获得 15 金、12 银、18 铜，官方公告数据显示，其奖牌总数位居第一。

但这些数字只是故事的一半。

郭宜劼在赛前就指出，竞技赛检验的是“力量输出和对抗能力，以及⌈慧思开物⌋平台小脑运控能力”，而场景赛展示的是“大小脑协同在实际生活环境中的操作能力”。这两场考试考的是不同的能力维度，但它们跑在同一个底层系统上，即北京人形自主研发的具身智能平台⌈慧思开物⌋。

而这两场考试本身也不是割裂的：通过竞技赛测试机器人、算法的极限，而测试沉淀的技术则是为了让机器人在场景中的应用拥有更多的可能性。竞技赛把速度、爆发力、动态稳定和硬件可靠性推向更高工况，场景赛则检验任务理解、环境适应、精细操作和连续执行能力，二者相辅相成。

本次运动会的场景赛设置了商超理货、餐饮服务、图书馆图书整理、新能源车充电服务、工业操作等多种贴近真实工作环境的赛项。

和去年相比，今年场景赛的任务复杂度大幅提升：大部分项目采用三关通关制，每一关又包含多个子任务，机器人需要连续完成一系列操作才能拿到满分。北京人形的天轶 2.5-TE 在新能源车充电服务岗和图书馆图书整理岗两个项目中拿下金牌，均以全自主方式完成。

（来源：北京人形机器人创新中心）

北京人形机器人创新中心 CTO 唐剑在接受记者采访时提供了一个更宏观的观察。他说，今年场景赛和去年的核心区别在三个方面：一是任务成功率大幅提升，很多队伍能够三关全部完成、拿到满分；二是从遥操变为自主，“去年场景赛大部分队其实是采用遥操的方式，但今年基本上头部队伍都是采用自主的方式”；三是效率明显提升，“去年我们在赛场上看到机器人操作虽然可能能成功，但非常缓慢，今年整个任务完成的时间都大幅缩短”。

竞速赛和场景赛能够双线拿牌，背后依赖的是⌈慧思开物⌋平台的两个核心能力。在竞速赛中，平台的“小脑”负责极致的运动控制，包括高速奔跑时的姿态稳定、弯道压低重心、起跳瞬间的爆发力分配，这些都是毫秒级实时响应的任务。

在场景赛中，平台的“大脑”负责任务理解和决策规划，比如识别货架上的商品、判断充电枪的插入角度、规划图书分拣的顺序，然后把决策指令传递给小脑去执行。大脑和小脑的协同，让同一个平台既能支撑高动态的竞技运动，也能处理需要精细操作和长程规划的工作场景。

⌈慧思开物⌋还把任务拆解为可以组合的基础技能。例如，一次充电任务可以拆成寻找车辆、走到指定位置、识别充电口、抓取充电枪、调整角度、插入和归位。换到其他任务时，其中一些技能可以继续调用，再根据新的对象和环境加载相应的感知模型及控制参数。

平台共用了开发工具、模型接口、技能管理和训练框架。这样一来，团队就不必为每个机器人、每项任务从零搭建整套系统。

在整个运动会中，北京人形共派出天工 Ultra、天工 3.0、天工 Omni、天轶 2.5-TE 四款机器人参赛，覆盖 40 余个赛项，是本届赛事中唯一一个在竞技赛和场景赛两条线上同时作战、两线开花的具身智能企业。

与此同时，基于北京人形开放的⌈慧思开物⌋平台和开物生态，包括清华大学、北京大学、中国人民大学、华中科技大学、深圳大学等多所高校和企业组建的二开联合战队也参与了比赛，使用北京人形机器人的参赛队伍数量在本届赛事中是最多的。

从“能跑”到“能干活”还有多远

赛场可以把每个问题压缩成一组明确指标：跑多少秒、跳多高、举多重、在规定时间内完成多少个步骤，但这些指标最终还是要落到真实工作环境当中。那么，机器人究竟什么时候能在真实场景中常态化地工作？

唐剑在群访中给出了一个比较审慎的判断。他认为，如果是有一定标准可循的结构化和半结构化场景，比如物流搬运、分拣、简单装配、巡检中的简单操作，“已经 ready 了，是可以落地”。

但他同时指出，在落地过程中，机器人的稳定性、可靠性、效率、负载能力和续航能力跟实际工业应用还有差距。“不过这个不是问题，”他补充说，“这属于线性瓶颈，假以时日，会稳步提升，而且可能超过你想象的速度。”

郭宜劼从技术演进的角度提供了另一层理解。他指出，“当前机器人的运动性能已达一定高度，但如何把高性能变成高稳定性、高可靠性还需进一步发展。”这句话指向的是一个行业共识：实验室里跑出的极限成绩和产线上 7×24 小时稳定运行之间，还隔着工程化和产品化的大量工作。

而具身智能行业更深层的瓶颈，在于机器人对开放环境的泛化能力。唐剑坦言，“机器人在操作上的泛化能力跟人没法相比，这是整个行业目前最大的痛点”。机器人到了一个陌生环境，接到任意指令都能以较高成功率完成任务，这样的“ChatGPT 时刻”尚未出现，算法、数据和本体能力都还需要突破。

不过，赛场数据提供了一些乐观的依据。从去年到今年，机器人的运动速度不在一个量级，场景赛从大面积遥操变成头部队伍全自主，任务成功率和完成效率都有大幅提升，而赛事设置的任务复杂度反而比去年高了好几个数量级。这种进步速度本身就是一种信号。

北京人形目前聚焦的落地方向是 3D 场景，即 Dangerous（危险）、Dirty（脏污）、Dull（枯燥），具体包括园区巡检、高危作业、辐射环境操作等人不愿干或不能干的岗位，以及物流分拣、泛电子工业、商业服务等多类场景。

竞速赛中验证的高速移动和越障能力，未来可以迁移到长距离巡检、物流运输、应急救灾中的快速到达；举重和拔河中验证的高负载全身控制能力，可以迁移到工业搬运装配、物流重物装卸；场景赛中验证的自主任务执行和大小脑协同能力，直接对应的就是各行业的实际工作流程。

赛场能力正在成为可迁移、可复用的通用技能。从“捂脸跑”到图书馆理书，从跳高 3.4 米到翻越救灾现场的障碍物，这些看起来截然不同的任务，最终指向的是同一套平台能力的不同切面。

唐剑说，“在今年和明年，在一些场景大家就会看到规模化的落地和常态化的运营。”而在更远的时间尺度上，他判断“未来 2 到 3 年内应该会有重大的突破”。

天工 Omni 的那个“捂脸跑”跑姿，本质上是一台机器人在物理约束下自主发现的最优解。这和人类工程师做设计优化的思路并没有本质区别，只是它在仿真环境中把人类可能需要数月甚至数年的试错过程，压缩到了可以接受的时间内完成。

如果这种能力能够从跑步延伸到更多的工作场景，那么机器人“自己想办法”解决实际问题的那一天，也许比大多数人预期的要近。

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成