人形机器人跑完半程马拉松刚过去两周,宇树科技就放出了更狠的演示——G1机器人踩着冰刀在冰面旋转,穿着轮滑鞋单腿站立。这不是特效,是实拍。
「它不是在滚,是在走」
![]()
看视频的第一反应是违和感。G1踩着两个轮子前进时,身体姿态不像滑板车那样僵硬前倾,反而像在走路——重心左右交替转移,手臂上下摆动找平衡,节奏感极强。
宇树的工程师显然没把它当纯轮式设备设计。轮子和腿的控制是联动的:一个轮子领先,另一个跟随,身体实时微调。这种"伪步行"模式让G1在光滑地面有了远超传统轮式机器人的稳定性。
接下来的动作开始离谱。原地360度旋转、连续变向、最后接一个前空翻——落地瞬间双脚稳稳踩住轮子,没有停顿,没有重新找平衡,直接滑走。
这个细节被很多人忽略。大多数机器人做大幅度动作后需要"硬直帧"来重置姿态,G1没有。说明它的控制回路延迟极低,姿态预测和电机响应几乎同步。
轮滑场景:单腿旋转的隐藏难度
切换到轮滑鞋后,G1展示了更精细的控制。滑行、急停、变向都是基础操作,真正难的是单腿离地旋转——另一只脚还在滑动,身体却要保持垂直轴稳定。
人类滑冰者靠多年训练形成的内耳平衡感和肌肉记忆完成这个动作。机器人没有前庭系统,全靠惯性测量单元(IMU)和关节力矩传感器的融合数据,在毫秒级时间内计算重心投影点。
G1做到这一步,说明它的全身动力学模型已经相当成熟。不是简单的"不倒翁"算法,而是能预测多步之后的姿态变化,提前调整关节角度。
冰面终测:为什么这是分水岭
演示的高潮在冰场。冰刀与冰面的摩擦系数极低,接触面积只有几平方毫米,任何微小的力矩偏差都会导致侧滑摔倒。
G1在冰面上完成了连续旋转,姿态控制干净利落。这个场景的选择很有针对性——冰面是对机器人平衡系统的极端压力测试,比柏油路面、草地、楼梯都要苛刻。
宇树敢放这个片段,意味着他们对G1的控制算法有足够信心。这不是实验室环境下的精心调试,而是展示了系统在接近物理极限条件下的鲁棒性。
技术拆解:轮腿混合的底层逻辑
G1的设计思路值得细品。它没有放弃腿,也没有完全依赖轮,而是把两者做了动态耦合:
高速移动时用轮子降低能耗,复杂地形时切换到步态模式,过渡过程无缝衔接。这种"混合运动学"架构解决了人形机器人长期以来的两难——纯腿式太慢,纯轮式太呆。
更关键的是全栈平台的定位。宇树把G1定义为"AI训练与部署的完整硬件载体",意味着硬件设计从一开始就为算法迭代留了接口。轮子的加入不是功能堆砌,而是扩展了运动数据的采集维度。
机器人每滑一步,都在生成高价值的平衡控制样本。这些数据回流到训练 pipeline,直接提升下一代模型的泛化能力。
行业坐标:从秀肌肉到定标准
人形机器人赛道今年明显加速。波士顿动力的Atlas退役液压版转向电驱,特斯拉Optimus开始进工厂实测,Figure AI拿到巨额融资。宇树选择在这个时间点放出G1的轮滑演示,时机很准。
但比起营销层面的考量,更值得看的是技术路线的分化。大多数厂商还在死磕双足行走的稳定性,宇树已经证明轮腿混合是一条可行且更高效的替代路径。
这不是说双足不重要。轮腿混合的终极形态可能是"可选配置"——同一套躯干,根据场景更换末端执行器。G1的架构设计显然预留了这种灵活性。
对于25-40岁的科技从业者来说,这个演示的真正价值在于验证了一个判断:人形机器人的竞争焦点正在从"能不能走"转向"走得有多聪明"。控制算法的迭代速度,将决定下一代产品的代际差距。
宇树已经亮出了手牌。现在的问题是,你的技术栈准备好接招了吗?
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.