Unitree G1 在 2026 年世界人形机器人运动会上的自主赛道竞速:系统设计与实际部署
该研究报道了在 Unitree G1 上实现的完整自主人形跑步系统,该系统参加了 2026 年世界人形机器人运动会的 100 米、400 米和 1500 米项目。
该研究报道了在 Unitree G1 上实现的完整自主人形跑步系统,该系统参加了 2026 年世界人形机器人运动会的 100 米、400 米和 1500 米项目。
针对腿式机器人因关节电机过热导致运动中断的问题,本文提出一种无需直接观测温度的强化学习方法。通过构建 13 节点集总 RC 热网络模型预测电机温度,设计奖励函数驱动策略降低最高稳态温度。实验在 Unitree Go2 四足机器人上验证,该方法将 5kg 负载下的持续运动时间从 19 分钟(热关机)提升至 174 分钟(电池耗尽),实现了从热受限到电池受限的转变。
11 月 17 日,由深圳市龙岗区人工智能(机器人)署主导的活动中,众擎全尺寸人形机器人 T800 领舞,与全球首家机器人 6S 店等联合完成“一小时内最多人形机器人跳舞”吉尼斯世界纪录挑战。最终认证官宣布成功舞动台数为 151 台,超过 110 台目标数。众擎首次展示全尺寸机器人群控能力,动作同步达毫秒级,可支撑百台级以上规模协同完成高动态动作。
针对现有系统仅能实现有限唇部运动或脚本化表情的局限,本文提出 ROSE 框架,整合仿生硬件与跨具身运动表示学习。硬件上构建集成 34 个执行器的 19.5 cm 仿生头部结构;算法上利用 ROSE-VAE 从人、数字人和机器人观测中学习身份无关的共享面部运动隐空间,ROSE-Flow 直接将文本或音频映射为运动轨迹,ROSE-ACT 将其转换为受约束的执行器指令。
推荐理由:提出 ROSE 框架,通过解耦执行器布局与面部动作点实现紧凑头部全脸表达,并构建跨模态运动生成管线。
该研究针对人形机器人模仿运动演示中的风格难题,提出一种基于速度条件的全身控制策略。方法通过强化学习训练策略,利用参考运动监督奖励和评论家网络,但不向演员网络提供关节轨迹或进行教师蒸馏,从而将演示风格编码进策略中。
论文提出了 XMimic 和 XSoma 两个模型,利用世界模型优化策略并通过并行计算将类人机器人在粗糙地形的运动追踪与移动训练时间压缩至一分钟以内。
推荐理由:原文介绍了利用世界模型与并行计算将类人机器人运动追踪训练压缩至一分钟内的方法,相关团队可据此评估其加速潜力。
针对独居老人需求,该系统基于 Unitree Go1 平台构建,融合陪伴、危险感知与应急三种模式。通过规则升级策略结合视觉语音输入判断风险等级,经 105 次自动化及 25 次物理阶段试验验证决策逻辑,在超时未确认时自动触发应急介入。该设计已接受 Australasian Conference on Robotics and Automation (ACRA) 会议录用。
这篇论文提出了一种名为 Recovery-Guided MBD 的框架,旨在解决安全关键型高速足式运动规划中短预测视界与安全前瞻性的平衡问题。该方法将学习到的终端恢复评估器融入轨迹优化,并在采样阶段结合视界内约束与末端可恢复性进行可行性引导细化。
本文扩展了鲁棒安全梯度流强化学习框架以解决标准方法无法保证安全约束且依赖无偏估计器的局限。新 formulation 支持包括碰撞规避在内的轨迹级约束,并允许使用有偏的价值和梯度估计器。
推荐理由:本文扩展了鲁棒安全梯度流强化学习框架,允许有偏估计器并支持轨迹级约束,实现了 Unitree G1 人形机器人与 Crazyflie 无人机的零样本仿真到现实部署。
该研究提出 Ego2Sim2Humanoid 框架,利用第一人称眼镜记录的人类演示数据,通过代理式真实到仿真转换构建物理验证的训练轨迹。方法包含碰撞与纹理资产重建、未见表面补全及目标接触带预测;运动适应阶段将接触带转化为可行腕部姿态与手指闭合,规划无碰撞站立姿势并合成全身运动。
该研究提出了一种利用环境支撑进行稳定化的全身模型预测控制方法,使 Unitree H1-2 人形机器人能够触及超出正常站立工作区约 50 厘米的远端物体。控制器在笔记本电脑上以 34 Hz 实时运行,成功将仿真策略转移至现实世界,并在负载下保持姿势超过四分钟。
论文提出了 Tactile-Driven Motor Adaptation(TMA)方法,旨在解决具身智能在关节化环境中进行强力多指操作的挑战。该方法利用触觉反馈构建策略学习结构,以圆锥几何作为多指接触表示的归纳偏置,并基于触觉历史在线调整电机行为。
推荐理由:提出触觉驱动的电机自适应方法,在仿真训练后零样本迁移至宇树 G1 机器人实现强力开门任务。
星动纪元于 11 月 16 日面向全球限量发售高自由度五指灵巧手 XHAND 1 Pro-U,仅 40 只。该产品围绕英伟达 GEAR DexUMI 外骨骼与 GR00T 2 世界模型重构架构,实现机械同构以支持高质量数据采集与真机执行。在香蕉酸奶、舀取麦片等三项任务中,搭载该灵巧手的机器人配合 GR00T 2 分别达到 60%、80% 和 75% 的完整任务成功率,优于前代版本。
推荐理由:星动纪元限量发售与英伟达 GR00T 2 生态联动的灵巧手,提供硬件基础以打通从外骨骼数据采集到真机自主执行的完整链路。
该研究针对合作自博弈中接收方对陌生伙伴鲁棒性差的问题,发现共享奖励下学习到的给予方总是立即开始动作导致接收方策略固化。通过引入接收方不可观测的隐藏启动延迟随机化(HSD),在 300 次额外更新后,与未见过的新脚本伙伴交接成功率从 31% 提升至 80%,且大幅降低高力接触次数,无需重新训练伙伴。
论文提出 PROOF 框架,采用两阶段师生学习范式显式建模感知可靠性,使 Unitree Go2 四足机器人在严重视觉干扰下仍能维持稳定运动。方法在正常条件下支持高动态跑酷动作,并在遮挡或光照变化时抑制不可靠的外界特征输入。该工作为 CoRL 2026 投稿的预印本,评估基于搭载 RealSense D435 深度相机的真实世界设置。
推荐理由:提出基于分布外回退的感知鲁棒性框架,在视觉退化下保持四足机器人运动稳定性。
针对传统全身运动跟踪策略训练耗时长的痛点,本文提出 BlinkMimic 配方,结合从并行仿真学习的世界模型回传梯度、Muon 更新机制以及残差策略等技术。
推荐理由:作者提出 BlinkMimic 配方,在单卡 RTX 4090 上仅需 3.4 分钟即可训练出能复现 40 个动作片段的人形机器人全身运动跟踪策略。
针对全尺寸人形机器人在危险工业场景(如拆解电动汽车电池)的应用,作者描述了开源自主栈 Unitree H1-2 的安全机制及其部署教训。研究指出,当状态估计过时或按下急停时,安全层会触发停止;但在推倒站立机器人等实验中,模型预测控制器无法恢复平衡,且操作者需每次手动急停。作者认为仅靠关节力矩限制不足以界定施力的适当性,主张应分阶段赋予机器人“力授权”,并由人或组织对其使用承担明确责任。
RoboCup Rescue Robot League 推出 SPARC 竞赛,采用 Unitree A2-W 作为标准机器人平台,旨在让更广泛的研究社区能专注于灾难响应场景下的自主导航、感知、操作及具身智能研究。
针对人形交互生成依赖预建 3D 资产的限制,该方法提出统一流程,直接从单张 RGB 图像重建场景几何并生成人类交互参考。通过引入度量场景对齐和接触引导重定向两个阶段,在保持几何一致性的同时修正了因人与机器人本体差异导致的支撑误差。完整流程在仿真中成功率达 89%,在宇树 G1 物理实验中于 50 次尝试中成功 70 次,且无需针对特定场景微调策略即可被多个预训练跟踪器执行。
优必选与沐曦股份联合发起的端侧芯片公司曦选创智宣布完成5亿元天使轮融资,投后估值40亿元。该公司计划于2027年提供开发验证平台,并于2028年推出首款面向机器人的大小脑一体SoC产品及具身智能整体解决方案。目前曦选创智仍在推进自研主控架构设计,尚未完成流片。
元戎启行 CEO 周光提出“几年后全无人驾驶可能不是自动驾驶公司”的判断,文章据此分析具身智能领域本体公司与“脑公司”的博弈。目前宇树、智元、优必选等本体厂商均在自研或适配模型以掌握真机数据回流;而 Physical Intelligence、Skild AI 等纯脑公司面临上游通用模型挤压与下游本体自研的双重压力,需证明跨本体迁移能力并找到收费入口。真正的分水岭在于谁能掌握真实世界的数据复利。
机器人学习顶会 CoRL 2026 公布获奖名单,加州大学伯克利分校的 SuperMimic 研究获得最佳论文奖,该方法基于可微世界模型将人形机器人全身控制训练算力降低超千倍,单卡 3 小时即超过百卡基线并已在宇树 G1 真机验证。英伟达与斯坦福联合团队的 RoboTTT 获最佳学生论文奖,其通过测试时训练将策略上下文扩展至 8000 个时间步,在多项灵巧装配任务中平均完成率提升至 79%。
推荐理由:CoRL 2026 最佳论文展示可微世界模型将人形机器人训练算力降低千倍,最佳学生奖提出长上下文策略方法。
均胜电子旗下宁波超平面机器人科技公司正式向宇树科技交付了首台机器人高算力大脑背包。该产品是软硬一体方案的核心载体,搭载高算力端侧平台与高效能能源系统,可适配人形、四足及轮式等多种形态机器人,支持独立外挂部署以提供环境感知、数据采集、自主决策及动态运动控制算力支撑,并承载端侧具身模型实时推理与物理Agent自进化迭代。双方正加速推进机器人关键部件及工业场景应用共研,有望在年内取得更多积极进展。
该论文提出将稀疏门控混合专家(MoE)架构应用于基于视觉的四足机器人运动控制任务。实验在受控设置下对比了标准 MLP 与 MoE 策略,结果显示在激活参数数匹配的情况下,MoE 架构使训练奖励提升 8%,且优于同等总参数的 MLP。研究还通过真实 Unitree Go2 四足机器人的实验验证了该方法在现实世界中的性能表现,表明借鉴大语言模型领域的稀疏化技术对机器人运动控制具有应用潜力。
该研究提出 CLF-RL 方法,将非线性控制理论中的控制李雅普诺夫函数与优化的参考轨迹嵌入强化学习奖励,替代传统启发式奖励的手动调优。通过处理系统混合结构的全阶动力学进行轨迹优化,位置跟踪性能提升最多 1.7 倍。策略在宇树 G1 类人机器人上实现完整飞行阶段的可靠跑步,具备抗干扰能力和仅靠机载传感器实现的准确全局参考跟踪能力。
针对人形机器人在单手持物时因上肢非对称负载导致的速度跟踪偏差及导航失败风险,本文提出 ReACT 框架。该方法利用估计的力矩对 Actor 特征进行反射一致的扰动调制以补偿负载影响,并通过对比加载与未加载条件下的速度指令训练跨负载一致性。
针对人形机器人在听到音乐片段前必须承诺动作、且需延续已执行动作的挑战,论文提出 AHEADance 框架。该框架利用 ListenAhead 模块结合已听音乐的冻结模型预测与未来音乐预报来对齐节拍,并通过 Commit Forcing 训练从自身已承诺片段进行延续,将低活跃度从 83.5% 降至 10.3%。
论文提出一种形态对称图表示方法(MS-PPO/MS-SAC),将机器人拓扑图与形态对称性诱导的置换及符号变化显式结合,构建等变动作均值与不变评论家网络。该方法在宇树 Go2 和 G1 上实现了最低的跟踪误差、最高的仿真回报以及零样本仿真到现实部署能力,且参数量显著减少。
推荐理由:提出形态对称图表示方法,在宇树 Go2 和 G1 上实现更低跟踪误差与最高仿真回报,且参数量显著减少。
论文研究类人机器人在长视界语言指令下的多目的地导航任务。作者提出 LHNav 系统,将导航组织为脑(任务推理)、小脑(局部运动生成)和脑干(全身执行)三个互补角色,利用异步机制协调目标、VLA 动作预测与全身控制。
Thermo-VLA 提出 ThermoRes Encoder,将热成像图分解为冷和热属性表示并通过语言条件残差调制注入 RGB token,实现温度驱动的目标选择与连续操作。
论文提出将日本传统阿瓦舞从单目视频迁移至宇树 G1 EDU 商用类人形机器人的管线,结合人体网格恢复、运动学重定向及仿真强化学习。作者在单卡 RTX 5070 上训练,通过十一版本部署阶梯在硬件上验证了修复静默损坏、模型状态漂移及编辑参考动作等干预措施。
该研究提出一种统一惯性编码器,通过运动学 IMU 合成在共享输入空间下联合训练人类与类人机器人数据,结合连续时间编码及传感器随机化。模型无需物理仿真、真实机器人训练轨迹或微调,即可零样本迁移至宇树 G1 实体机器人,在五个数据集上实现最低速度误差(G1 实机为 0.099m/s),并支持仅基于人类数据训练的类人机器人运动描述检索与泛化。
推荐理由:提出统一惯性编码器,实现从人类运动到宇树 G1 机器人的零样本迁移与速度估计。
灵猴机器人宣布面向具身机器人的液态单目相机首发订单于11月10日突破1000台,该产品在工博会发布后不足一个月即达成。其核心采用柔性变焦技术,通过调节液态镜片屈光度实现毫秒级连续对焦,解决定焦相机在动态场景中的虚焦问题。该技术路径将工业成熟光学能力迁移至机器人领域,旨在提升移动导航、柔性抓取及人机交互等场景的视觉稳定性。
苹果开源的机器人自主控制系统 HALO 在宇树 G1 人形机器人上完成真实测试,单项任务平均成功率为 91%,引发市场关注。消息面发酵推动人形机器人板块走强,同星科技等概念股涨停。宇树股价受此影响高开高走,盘中最高触及 809 元,市值一度突破 3200 亿元。
伽马智能联合中国电信孵化的TeleAI及宇树推出LocoManiLab,这是面向人形机器人移动操作的统一测评框架。该平台覆盖五类家庭空间、13个场景实例和234项任务,以宇树G1人和Dex3灵巧手为测试本体,拆解策略模型与全身控制器两个层面进行综合评测。
优理奇机器人(UniX AI)宣布完成5亿元Pre-A轮融资,老股东超额追加,新进机构包括绿地集团、柯力传感等。绿地集团作为战略投资人及下游应用伙伴,将协同推进机器人在安保、酒店、康养等场景的全闭环落地。
STRIDE 是一种针对人形机器人的强化学习算法,旨在解决传统方法依赖外部动捕或高精度状态估计器的问题。该方法通过让机器人跟踪指令加速度而非基座速度来设计奖励函数,并结合 XQC 离线强化学习算法、高增益关节位置控制器及左右对称性增强技术。
论文提出了 ForPC 框架,旨在解决人形机器人在不修改工作场所的情况下操作现有手推车以搬运重物的难题。该框架通过两阶段强化学习调节车速,首先训练运动先验以提供平衡支持,随后基于车载观测推断力潜变量和状态潜变量(无需外部传感器),并协调手臂、腰部与腿部的调整及基座速度指令。
推荐理由:提出无需外部力传感器的全身控制框架,在仿真中训练即可将人形机器人推重达 30kg 的推车速度误差降低 68.2%。
11月9日,受苹果团队开源机器人自主控制系统HALO(在宇树G1上测试成功)及中石油与宇树新设合营企业消息影响,宇树科技盘中涨幅超15%,市值重回3000亿元上方。材料指出公司前三季度营收增长但扣非净利润下滑,且动态市盈率超过500倍。
近日,苹果正式发布了HALO(Humanoid Autonomy, Learned in simulation, running Onboard),这是一套由数据管线驱动的人形机器人全身运动控制系统。