“左右勾拳、側踢、膝踢、閃避、跌倒起身，被KO……”一場機器人之間的格斗比賽在昨晚開打。
在這場于杭州舉行的《CMG世界機器人大賽·系列賽》機甲格斗擂臺賽上，宇樹科技以合作方身份參賽，上場的機器人均為宇樹 G1人形機器人，而內嵌算法則由四個比賽團隊自研，并進行現場的手柄操控。經過幾輪比拼，黑隊"AI策算師"最終奪得冠軍。
“這次比賽的格斗動作，采集自外部專業人員，用來給AI模型提供學習參考。”宇樹科技相關負責人向《科創板日報》介紹。
在此次比賽過程中，機器人暴露了仍存在動態控制、感知不足等問題，也展現出較強的平衡控制、人機協同能力。
多名業內人士對《科創板日報》表示，從格斗過程來看，機器人底層算法已經較為出色，但缺少真正的空間智能大模型作為機器人的大腦。為了更好地在實際應用落地，后續產業鏈或將涌現更多二次開發的機器人解決方案商，在公版機器人基礎上開發專業的大腦。
拳腳相加！機器人遭重擊后5秒起身
《科創板日報》注意到，在相互出拳、踢腿的格斗過程中，參賽機器人能通過步伐的調整來保持自身的平衡。在被擊中后，機器人也能迅速起身。“雖然格斗效果一般，摔倒爬起來的靈活性把我驚呆了，支撐力拉滿。”有觀眾表示。
“機器人倒地五秒內馬上能起來，重心不穩的情況下能調整身形維持平衡，這兩點讓我印象較為深刻。” 快思慢想研究院院長、上海交通大學計算法學與AI倫理研究中心聯席主任田豐表示，“兩足機器人的動態平衡性要比四足難得多。機器狗的重心只需要落在4個腳組成的矩形內就行，支撐的面積大。而兩足人形機器人的重心需要落在兩足的連線內。”
據悉，宇樹G1機器人在對抗中保持平衡，主要依賴于仿真環境的AI強化學習和本體關節的感知。通過對大量平衡數據的學習和模擬訓練，機器人不斷優化自身的平衡控制策略，同時本體關節的高精度傳感器能夠實時感知身體各部位的姿態和受力情況，為平衡控制提供關鍵數據。
宇樹科技相關負責人向《科創板日報》介紹，IMU（慣性測量單元）在機器人保持平衡中發揮著重要作用，在仿真訓練中同樣不可或缺。IMU可以實時監測機器人的姿態、加速度等信息。
值得一提的是，此次參賽的宇樹科技G1手臂進行了定制化設計，擁有7個自由度，比常規的5個自由度多出兩個，目的是在格斗中進行更靈活的招式變化，如勾拳、擺拳、上勾拳等拳擊動作中的手腕調整，增加攻擊的角度和靈活性。
上述人員介紹，G1格斗模式的訓練難度一是在于瞬間爆發力要求高，需要機器人具備強大的動力系統來提供足夠的扭矩，以實現快速動作響應。二是對控制算法精準度和穩定性要求高，控制算法要實時處理大量傳感器數據，精確計算身體各部位的運動軌跡與發力時機，實現對多關節、重心、姿態毫秒級的精準控制，保證動作既有力又不失協調。三是機械結構強度要求高，在進行該動作時，機器人的機械結構需要承受較大的沖擊力，對關節、骨骼等結構的強度和穩定性提出了很高的要求。
人機協同為主，操作員手柄遙控機器人對戰
G1機器人操控方式包括AI語音操控、手柄操控、體感操控，各有優缺點。而本次比賽中主要采用現場人員進行手柄操作的方式。在比賽過程中，可以看到操作員在一旁控制機器人進行格斗。
宇樹科技相關負責人對此解釋道，AI語音操控響應延遲比較明顯，影響對機器人的實時控制。手柄操控讓參賽者更直觀、更精準地操控機器人，也更易于上手，有利于擴大參賽者范圍。而體感操控在沉浸感上更具潛力，宇樹已經開發了一套體感人形機器人控制系統，后續的比賽應該就可以給參賽者使用。
中國信通院泰爾系統實驗室副總工程師劉泰介紹，對機器人進行手柄操控，與日常普通的遙控玩具，存在一定的區別。人形機器人其背后是一整套的大模型、運動控制模型的算法支撐，實際上是在通過這些算法來進行操控。
“采用傳統的控制方法很難讓它站得住走得穩，現在通過強化學習的訓練方式，讓它往能夠站得平衡的方式由自己去探索。整體的比賽非常振奮，它的表現可以說比以往更進了一步，能夠看到機器人在對抗比較強的情況下，也能夠保持很好的穩定性，包括全身的運動機構協調，是科技進步和產業進步很好的結合。” 劉泰提到。
田豐認為，“在暫時還不能實現通用人工智能AGI的前提下，能否通過人機協同來達到比較好的效果，是當前業內探索的方向。而這場比賽也展現了一定的成果，這也是很有價值的。”
實時感知仍存困境 機器人大腦待突破
不過，由人類遙控操作的機器人也存在比賽失誤的情況。比如選擇主動攻擊對手，不當心撲空后，導致參賽機器人失去穩定性倒地，被對手“KO”。機器人想要后退來調整對戰角度，卻意外被擂臺的圍繩給纏住，需要人類來解綁等等。這其實暴露了機器人動態運動控制與實時感知的不足。
“這就涉及到一個問題，機器人是否要完成仿真人類的形態。比如人背后沒有長眼睛，但機器人后背是否應該設置攝像頭，讓機器人擴大感知范圍。再比如人只有5個手指，但有些工業場景可能6個手指會更好。人形機器人可能只是一個過渡階段，未來可能會發展出超越人形的機器人形態。” 田豐表示。
一名觀賽的業內人士認為，從格斗過程來看，底層算法已經較為出色，包括穩定性、視覺、靈活性、速度連貫性等，目前缺少的是真正的空間智能大模型作為機器人的大腦。
田豐表示，從中美來看，在機器人大腦的投入是美國的比例更大些。“國內企業大部分都在做機器人本體，有一些機器人企業在做小腦，也就是運動控制系統。做機器人大腦的企業大概在1/20的比例。不過，已經有一些機器人企業正在進行大腦研發。”
從產業鏈來看，田豐認為業內更多的關注焦點在于整機廠商，以及電機等硬件層面，而大腦也是通用型的基礎性大腦。“但機器人整機其實需要軟件二次開發，才能更好地在實際應用。比如面向格斗、工廠、物流等場景進行二次開發。后續產業鏈會涌現這類的機器人解決方案商，在公版機器人基礎上開發專業的大腦。這就涉及到多模態大模型，以及RAG知識庫進行融合。”
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
