人形机器人最尴尬的事：长了一双腿，却只能定住干活

作者｜Li Yuan 编辑｜ 郑玄 长得像人，但是只能跳舞表演，根本没法真正干活。

这大概是过去几年人形机器人最尴尬的一幕。

人形机器人最初拿到天量关注，底层逻辑其实很直接：现实世界本来就是围绕人类身体设计的。楼梯、橱柜、货架、工位甚至门把手，全都有现成尺寸。理论上，机器人完全可以用下肢越过障碍，直接用上肢拿起工具工作。

逻辑听起来无懈可击，但行业演进了几年，我们看到的却往往是另一副模样。

视频里的人形机器人，主要是在跑跑跳跳、翻跟头；哪怕真有一些干活的演示，也大多老老实实待在平地上——走到某处，定在原地，再小心翼翼地伸手。

如果双腿只负责把机器人送到任务面前，真正动手时它必须先站稳锁定身体，那它们不过是一对成本极高、极其脆弱的机械轮子。那么人形机器人的优势在哪？

这也很难怪大家苛刻。迈不过这道坎，人形机器人就永远撕不掉「表演道具」的标签。

不过，这一点在近期已经逐渐看到解法。

近期，源策未来发布新模型和演示，以「全身智能」（Whole-Body Intelligence，WBI）为核心技术路线，自采人类全身交互数据，研发能够适配不同本体的人形基础模型系统。

在源策公布的演示中，机器人面对倒在地上的自行车，能够俯身弓腰，全身发力将它扶起；面对电饭煲的启动键，又能完成精细按压。

最能体现人形优势的，是一段搬踏台登高的画面：够不着高处的物品，它自己搬来一张踏台放下，随后踏上平台，抓取目标。这一串动作，把搬运、支撑转换和高位操作连在了一起。

当双腿参与操作，当双手与身体的平衡相互配合，人形这副身体的价值才开始显现：机器人有机会利用为人设计的空间，完成原本由人承担的工作。

01

会走会跳，为什么偏偏不能干活？

在很多人的直觉里，既然机器人能做出跑跳甚至后空翻这种高难度动作，顺手倒个垃圾、擦个桌子，理应更简单。

这背后最直接的死结，是双足机器人底层的控制系统一直面临两难： 要稳定，手就得跟着晃；要手准，整个人就容易摔。

过去一年，行业里最主流的做法，其实普遍站在英伟达开源的全身控制基准「SONIC」之上。它已经展示了全身动作跟踪、遥操作，以及接入 VLA 的自主操作能力。这套方案代表了此前学术界和工业界的天花板，但进一步走向实际操作，还需要同时兼顾关键末端的跟踪精度、身体稳定性与可稳定触达的范围。

其中一个关键问题，是末端跟踪精度。

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，开源基线手部末端跟踪误差在 10 厘米量级。这种精度走向对于还精细操作并不够用。

全身控制上的不足，还会向前传导，限制后续模型所需的数据采集。

想训练出一个会操作的全身模型，小脑不仅要负责最终的部署执行，在前端还要充当遥操作的驱动底座——人类数采员做出动作，需要靠小脑将其实时转化为机器人的动作。小脑能跟上多少，决定了这些示范有多少能变成有效的真机数据。

其中一道障碍，就出在大幅度动作的映射上。

捡起地上的水瓶、拿到低处的物品，都需要机器人屈膝、俯身，把手的工作范围向下延伸。控制系统既要稳住身体，也要把手送到目标位置。姿态跟上了，手却够不到，示范仍然无法完成。

因为机器人的身体与人的身体并不同构，如果数采员摸到地而机器人的手还悬在半空，人已经弯到了底，机器人却还差一截。它做出了弯腰的动作，却没有完成触地的意图。 这不仅让机器人当下捡不起东西，也让团队难以采到完成这类任务的有效示范。

另一道障碍，是地形变化时，通行与操作能否连续进行。

SONIC 这样的主流方案，整个控制逻辑几乎是完全绑定在平整地面上的。它在算法层面的假设，是脚底接触的是一个连续、平滑的二维平面，导致无法采集到地形变化下的动作。

这也解释了过去不少人形机器人演示中的尴尬：跑跳时身手矫健，真正干活却要找块平地，站稳了再伸手。

行业里此前不是没人试过把通行和操作凑在一起，但用的是拼接策略：上楼梯时跑一套专门的通行功能，等上到了平地，再切换成手臂操作功能。

这是一个很尴尬的过渡方案：如果机器人手里抱着一个箱子走到台阶前，它甚至得先在平地上把箱子扔下，才能换成爬楼模式走上台阶，失去了人形机器人通行优势。

小脑跟得不够准、复杂姿态下稳不住，团队就难以采到相应的真机示范；模型缺少这些数据，又更难学会在身体和地形不断变化时继续操作。

这也解释了为什么人形机器人能把舞跳得越来越好，干活却依然磕磕绊绊：动作可以大致跟上，手上的任务却容不得这样的偏差。

02

用更好的 S0 模型采集数据训练 S1 模型

要解开全身干活的死结，源策未来拿出的方案是一套被称为 WBI（Whole-Body Intelligence，全身智能）的系统架构。

整套系统被清晰地划分为两层：负责高频动态平衡与动作执行的运动控制基模「S0」（小脑），以及负责长程任务理解与拆解的智能基模「S1」（大脑）。

突破首先发生在底层的 S0。源策自研的 S0，负责全身协调与稳定执行，将任务目标落实为机器人可执行的动作。

最显性的第一步，是末端追踪精度的跨越。

在源策的测试中，S0 将手部末端追踪误差压到了 2 厘米的区间。

客观来看，2 厘米放在更广阔的机器人坐标系里依然算不上精密，但压进 2 厘米，已经到了物理接触操作的及格线。在演示中也能看到明显的进展。

在精度之后，S0 攻克的第二个难关，是 SONIC 长期以来的平地缺陷，同时做到了更好的全身追踪。

S0 将控制维度拓展到了有高差的非平地上，在上台阶的过程中，也能动态协调下肢落脚轨迹、躯干姿态与重心的平滑转移。

同时对于弯腰等大幅度动作的意图追踪，也做到了更好的映射。

在 S0 成为了一个更好的底层的运控算法的基础上，S0 也最终喂出了更能自主规划的大脑 S1。

在 S1 的预训练阶段，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。

随后，结合 S0 在真机上沉淀的高精度示范与 DAgger 纠偏经验，S1 具备了真正的长程任务理解能力——在现实工况下，环境会被机器人自己的动作不断重塑，前一步的结果必须直接作为下一步的约束。

源策未来的电饭锅做饭操作就是一个非常好的案例：机器人跨过地面高差进入厨房，在不同高度完成取米、加水和内胆取放，再合盖并按键启动，把地形跨越、物体搬运与家电操作串成一项任务。

不但展现了很好的复杂交互能力，也展现了长程的任务能力。

这套结合人类数据、真机适配与全身控制的技术路线，已经在宇树 G1 和加速进化 T2 两种构型上得到验证。

两款机器人具有不同的身体比例、关节配置与运动约束。在源策未来的茶水间任务展示中，两种机器人还在冰箱整理任务中分工配合。

宇树 G1 与加速进化 T2 分别承担冰箱取放与持篮配合，这意味着，同一技术路线开始进入不同本体的自主操作场景。它仍然需要本体适配，但积累下来的能力，有机会服务于更多硬件平台。

03

当「全身智能 」 成为人形机器人的共同方向

过去很长一段时间，行业里很少有公司能够拿出连贯全身任务演示。

而近期，国内外的机器人公司都在密集展示双足机器人的全新运动能力。从打球，到完成一些简单的任务，到今年源策未来令人惊喜的能够做一些家务操作了，类似 Demo 的集中涌现，似乎说明了 人形机器人正在迅速脱离「只能跳舞表演」的初级阶段。

这种转变的背后，是整个赛道软硬件条件的集体成熟：基于强化学习与仿真的全身控制器逐渐可用；第一视角头显与动捕设备大幅拉低了全身数据的门槛；宇树 G1、加速进化 T2 等成熟本体提供了能摔、耐造的验证底座等等。

但这批集中冒头的成果里，源策未来能走得更快、更远，很大程度上是因为他们很早就把技术筹码全押在了「全身智能」这条路线上。

作为一家人形基础模型公司，源策的创始团队带有极其鲜明的「学术原创＋大规模工程」复合印记。并在 2026 年成为机器人顶会 RSS 历史上首位获得 Early Career Spotlight 的国人学者；联合创始人兼 CEO 李天羽与首席 AI 官陈立，也是他合作多年、深耕具身智能与大模型架构的核心搭档。

李弘扬在学术界推「全身智能（Whole-Body Intelligence）」非常早。 从做端到端自驾模型 UniAD 到主导推进百万级真机数据集 AgiBot World，他最核心的认知就是： 模块化的机械拼接，会带来致命的信息损耗与能力割裂。

在传统学术与工业界，做腿部步态的不管手，做桌面机械臂的不管下半身，大家都在讨论灵巧手或局部运控。但在李弘扬看来，这些都只是局部的碎片；如果手和脚互不感知，机器人就永远只能在平地工位前罚站。真正的通用具身智能，必须走向「Human Body Learning」——让整具身体像一个生命体一样，从人类真实的全身位姿与协调方式中学习，把四肢与重心的代偿作为同一个系统来协同优化。

在数据世界观上，李天羽与李弘扬的认知高度同频。此前在极客公园 AGI Playground 2026 的一场深度对谈中，李天羽就曾一针见血地指出过行业狂热背后的盲区：

「一个人一生真正与物理世界进行操作的时间也就四万小时，人的日常生活高度重复，信息价值很低。如果相机看不到下半身，就无法可靠恢复完整的全身姿态；如果关键模态在采集时没有被记录下来，事后根本不可能从数百万小时的视频里补回来。」

正是基于这种底层确信，源策没有像很多团队那样走「先做平地机械臂、再给底下装条腿」的折中路线，而是从第一天起，就把整具身体作为最小作战单元： 让人体数据负责预训练的规模与物理常识，让真机数据负责最后一公里的后训练与本体对齐 ，把 S0 控制器与 S1 任务大脑打通成了正向运转的技术闭环。

回到文章最初的疑问：人形机器人在操作上到底有优势吗？

过去，不少演示给出的答案仍然充满妥协：走到平地，停下来，原地站好，再开始伸手工作。

源策近期放出的这组 Demo，当然还远不是通用人形机器人的终局，但它让「足式人形也能干活」有了更具体的依据。 双腿可以参与低位拾取、负载搬运与登高取物，身体的调整可以扩大操作范围。那些曾经主要用来展示灵活性的动作，开始有了实际工作的意义。

一旦这件事逐步得到验证，变化就不会只发生在模型里，或许未来，整个行业都需要围绕「干活」重新定义这副身体。

腰部和肩部的电机，要扛得住反复搬运的负载，也要承受持续工作的发热；灵巧手除了动作丰富，还要经得起高频使用；续航、自主充电与换电，也会成为机器人能否留在工作现场的关键。适合跑跳表演的身体，和适合长时间劳动的身体，设计上的优先级未必相同。

软件与交付方式也要跟着改变。模型需要覆盖更丰富的接触、地形和失败恢复经验，本体与算法团队则需要围绕具体任务共同调整。对客户而言，最终买到的应该是一套能够在现场持续完成工作的系统，任务成功率、运行时长和维护成本，都要经得起反复检验。

这或许是「人形也能干活」更深一层的行业意义：操作能力开始牵引硬件设计、数据积累与系统交付，让整条产业链围绕实际劳动重新组织起来。

当双腿、躯干和双手共同成为完成任务的一部分，人形机器人的身体优势才开始兑现。而让这份优势变成客户愿意付费的生产力，是接下来整个行业要一起完成的工作。

*头图来源：源策未来 本文为极客公园原创文章，转载请联系极客君微信 geekparkGO 极客一问 全身智能路线，会成为人形机器人主流吗？

Les actualités sont collectées automatiquement depuis des flux publics robotique & IA.