整理 | 夢依丹

出品丨AI 科技大本營（ID：rgznai100）

在剛剛過去的周末，大家或多或少地被一群機器人刷屏了吧。跌倒后“無頭奔跑”的鋼鐵身軀、工作人員亦步亦趨地為機器人“降溫”、以及略顯“笨拙”卻奮力邁動雙腿的身影……

4月19日，全球首個的“人機共跑”半程馬拉松在北京亦莊開跑，以其前所未有的形式和硬核的技術含量，瞬間引爆了科技圈和大眾視野。讓我們用一組數字，快速回顧這場充滿未來感的“機械競速”：

• 1 場里程碑式的賽事： 這是全球首個為“人形機器人”設立半程馬拉松的賽事，標志著具身智能邁入一個全新的發展階段；

• 21.0975 公里的賽道：涵蓋了平地、坡道、彎道等多種復雜地形，其中共設有 6 個左轉道與 8 個右轉道，轉彎角度≥90°，是對機器人運動控制、環境感知和續航能力的全面考驗；

• 18 款國產機器人登場：天工 Ultra、樂聚夸父、松延 N2 等來自清華大學、樂聚機器人、北京人形機器人創新中心等前沿機構與企業機型集體參賽；

• 25 萬次的精密關節運動（預估）： 有專家在賽后總結中指出，單臺機器人完賽所需完成的關節動作量級高達 25 萬次，完賽難度可見一斑；

• 2 小時 40 分 24 秒： 天工 Ultra 機器人率先沖線，成為首個完成半馬全程挑戰的人形機器人；

• “3”次電池更換： 天工 Ultra 機器人在比賽過程中更換了 3 次電池，揭示了當前機器人續航能力和能源管理的重要性；

• “無數”次的摔倒與站起： 賽場上，機器人多次出現摔倒的情況，但它們展現出的“體育精神”——跌倒后努力重新站起。

這不僅是一場技術的比拼，更是一場“未來已來”的公眾現場體驗。

跌倒了，站起來，重啟后，繼續前行。每一位“選手”都帶著自己獨特的性格與技術路線登場。他們不是冷冰冰的機器，而是技術團隊理想與工程能力的具象化身。

冠亞軍巡禮：參數、亮點與技術初探

身高 1.8 米、體重 55 公斤的 天工 Ultra 機器人率先沖過北京亦莊機器人半程馬拉松終點線，奪得本次比賽的冠軍。天工團隊在賽后采訪時提到，其機器人采用了“具身大小腦高效協同”的控制架構，能夠在局部電機動作控制（小腦）和全身動態平衡與路徑規劃（大腦）之間實現高效切換與協作。這使其能夠不斷優化運動策略和環境適配能力，實現對全身關節的高精度協調控制，即使在長時間奔跑中也能保持平衡。

同時，“天工 Ultra”采用大功率一體化關節和低慣量腿部結構，為其爆發性速度提供硬件基礎；而輕量化設計、關節導熱及風冷散熱技術則保障了其持續奔跑的散熱需求。

與“天工”相比，來自松延動力的 N2 旋風小子成為全賽場唯一一個全程無需人類陪跑、獨立完成比賽的機器人選手。N2 機器人身高 1.2 米，體重約 30 公斤，擁有 18 個自由度（單腿 5 個、單臂 4 個），關節扭矩達 150N·m 以上的優勢很可能在于其扎實的動態運動控制技術、精巧的平衡控制系統、和仿生關節與自由度設計所構建的堅實底座。

在運動控制策略上，N2 機器人巧妙融合了強化學習與動力學模型，采用“分步驟強化學習”先生成標準軌跡再優化連貫性。其核心動態平衡算法能以每秒數千次的計算實時調整步態，將時速 10 公里奔跑中的重心偏移控制在 3 厘米內。

自主性方面，N2 機器人依賴多模態傳感器融合，通過仿生足底傳感器、激光雷達和視覺 SLAM 實現復雜地形導航，即使頭部感知系統失效也能自主完賽，展現出強大的魯棒性。其動態抗干擾算法則能應對外部突發干擾。針對續航，N2 機器人采用“電池+換電”方案，以每 5 公里換電來保障 21 公里賽程，并通過優化電池管理減少停機時間。這些技術共同鑄就了“松延動力 N2”在本次機器人馬拉松中展現出的穩定性和環境適應性，讓穿著鞋子的“小個子”N2 在馬拉松上交出了一份滿意的答卷。

機器人跑馬拉松，到底在比什么？

這場看似簡單的競速，實則是一張對當前機器人技術水平的綜合“考卷”。它不僅考驗著機器人的“體能”，更檢驗著它們的“大腦”——運動控制、環境感知、導航、自主性和魯棒性。

• 精準而穩定的運動控制：支撐機器人以接近人類的方式奔跑，并靈活適應地形起伏、姿態變化；

• 環境感知與精準導航： 通過視覺、雷達、足底傳感器等手段識別賽道、判斷路線、躲避障礙，確保“認路不跑偏”；

• 自主決策與智能行為：讓機器人在面對突發狀況時，能夠自主做出判斷和決策；

• 堅固可靠的魯棒性： 保障機器人長時間穩定運行，避免因硬件或軟件故障而“掉鏈子”

在這些“核心指標”之外，續航管理與輕量材料的工程優化也至關重要，它們決定了機器人能否真正完成這場耐力戰。

然而，要讓人形機器人具備這些能力，我們還有很長的路要走。正如在 3 月 28 日CSDN 出品的“萬有引力”之「十問具身智能：我們離通用機器人還有多遠？」專家對談直播中所提到，目前具身智能仍處于快速增長階段，實現通用機器人還面臨諸多挑戰。那么，橫亙在我們面前的，究竟有哪些必須翻越的“技術大山”呢？

1. 數據瓶頸： “智能”的燃料從何而來？

深圳市人工智能與機器人研究院副研究員夏軒指出，“真實數據的采集只能線性增長，而模型訓練的性能提升則遵循指數規律，數據的增長無法跟上項目性能的增長。”如何高效地獲取高質量的訓練數據，成為了制約具身智能發展的關鍵瓶頸。

2. 計算瓶頸： 算力能否支撐“智能”的運轉？

“僅僅將大型模型的多模態感知能力賦予機器人，而沒有進一步的智能增強，這并不構成真正的智能。”如何在有限的算力資源下，實現更高效的智能算法，是我們需要認真思考的問題。

3. 模型架構： 如何構建更強大的“大腦”？

現有的模型架構在具身智能領域仍然存在諸多局限性。例如，模型在處理復雜任務時，往往難以兼顧效率和精度；在面對新環境時，模型的泛化能力也會受到限制。專家們正在積極探索新的模型架構，例如結合快慢系統的分層決策模型，以提升機器人的智能水平。

誠如“萬有引力”欄目所傳遞的觀點，具身智能是一條充滿挑戰的道路，但同時也蘊藏著巨大的機遇。只有不斷攻克技術難關，我們才能真正開啟通用機器人的時代，讓 AI 更好地服務于人類社會。