一个月提速超42%，人形机器人竞速团队有哪些可复用的方法论？

一个月提速超42%，人形机器人竞速团队有哪些可复用的方法论？

前沿解码

就在一个月前，天工Omni的最高奔跑速度还只有每秒六七米。一个月之后，这台机器人在第二届世界人形机器人运动会上跑出了45.66秒的400米成绩，夺冠的同时，速度提升超过42%。

人形机器人竞速赛事现场，多台机器人同台奔跑

它的“大哥”天工Ultra更猛，一个月内从7m/s推到10m/s以上，百米跑出9.32秒，直接将博尔特的世界纪录甩在身后。

这不是一家公司的偶然爆发，而是一条赛道上的集体提速。把时间线拉长，宇树科技用3个多月从零研发全新整机，把极限奔跑速度刷到12.66m/s。荣耀的“闪电”通过加长腿长、升级关节，硬生生把半马成绩从去年的勉强完赛拉到今年碾压人类纪录。

清华团队甚至在一个月内教会了机器人打乒乓球，从“小白”到具备反手抽杀能力。

人形机器人的速度迭代，已经进到了以月为单位的节奏。这条赛道上的玩家，各自手里的牌是什么？能从一个月冲进冠军的团队身上，拆出哪些别人也能用的方法论？

硬件派和算法派，谁的方法更管用

这条赛道上的玩家，按技术路线的侧重，大致分成两派。

硬件优先派——宇树科技。宇树起家于四足机器人，运动控制是看家本领，走的是“先把硬件极限拉满，再用算法释放”的路子。

他们的“超人”机器人原地跳高2米，奔跑速度12.66m/s，靠的是极致挖掘关节执行器的爆发力——关节功率更大、转矩转速更高，先在硬件上站稳天花板，再谈控制。

宇树Unitree G1人形机器人产品参数展示

这种打法的好处是，一旦硬件到位，成绩上线快；短板则在于，对全自主复杂场景的适应能力还在追赶，去年首届运动会夺冠的宇树，今年赛场上风头被天工盖过，领奖台上没见着身影。

全栈端到端派——天工团队。北京人形机器人创新中心的天工系列走的是另一条路：硬件够用就行，重点靠算法把硬件能力吃干榨净。他们自研的“慧思开物”平台，把认知大脑和执行小脑打通，在仿真环境里让机器人自己摸索最优动作，不预设任何固定姿势。

天工Omni那个走红全网的“捂脸跑”姿势，就是强化学习自己跑出来的——工程师只给了“低能耗、高速度、不摔倒”的奖励目标，机器人在仿真里大量试错后发现，摆臂太费肩部关节、容易发热，于是自己选了双手抬到面部的低能耗跑姿。

天工Omni机器人采用自研跑姿在赛道奔跑

这事儿人工设计根本想不到，但机器人自己找到了。

两派都验证了月级速度跃升的可行性，但天工团队在“多快”上更胜一筹：宇树整机研发周期3到4个月，天工团队定向竞速优化只用了1个月，差距在于天工依托统一底座，跳过了大量内部重复造轮子。

一个月提速的底层逻辑，藏在这三步里

拆开天工团队一个月内从7m/s冲到10m/s以上的过程，核心方法论可以提炼成三步。

第一步，硬件短板先补上，别让物理瓶颈拖后腿。天工Ultra做的是三件事：减重、加强髋关节结构、升级散热。

高速奔跑时机体结构承受的冲击力远超正常行走，关节扭矩、转速跟不上，再好的算法也白搭——这就是为什么算法专家韩刚会说“硬件先撑住，再通过运控算法把硬件能力上限发挥出来”。

协同升级的还包括大功率放电电源、破风设计降低风阻，以及针对不同赛项定制的散热方案，解决长赛程髋关节过热的问题。这些硬件改造不是从头造轮子，而是定向针对竞速场景的短板，用成熟供应链快速补强，一个月足够完成一轮迭代。

第二步，仿真里把动作做到极致，真机只做微调。这是天工团队最核心的提速手段。传统做法是工程师手写运动控制方程，逐帧调校步态，但高速过弯、急停这类极限动作，人力根本写不清楚。

天工团队的解法是，把所有极限动作全扔进仿真环境，让机器人通过强化学习自己摸——只设奖励目标（速度、低能耗、不摔倒），不规定具体怎么做，机器人在数百万次“跌倒重来”中找到最优解。像摩托车赛车手一样压弯过弯的动作，就是机器人自己摸索出来的，工程师没教过。

清华大学赵明国团队2026年8月发表在Science Robotics上的成果，更进一步验证了这条路径：端到端感知-运动联合训练框架，让机器人动态场景下射门决策时间缩短64%，定位误差降低46%，而且仿真训练完可以直接部署到真机上，零样本适配。

科研平台展示人形机器人足球技能训练流程

仿真里跑完90%以上的探索，真机只做最后的参数校准，这是把开发周期从年压到月的关键。

第三步，用赛事倒逼形成闭环，把压力变成加速器。天工运动控制算法专家韩刚说得很直白：“如果没有这个比赛，技术也会进步，但节奏一定会慢很多。”

高对抗性赛事把结构设计、算法、系统各团队在短时间内聚合到一起，集中攻坚，比实验室闭门研发的迭代速度提升至少数倍。

而且赛场是天然的极限压力测试场——高速过弯会不会侧滑、急停会不会摔倒、长赛程髋关节会不会过热，这些在实验室里很难暴露的问题，一上赛场立马现形。

天工团队在决赛中甚至采用了双机分档位战术，一台跑保守成绩保底，一台放开冲极限，既避免全盘翻车，又最大化挖掘性能上限。

这条赛道的下一站，已经不是速度了

赛场上刷纪录只是手段，这条赛道真正在争夺的，是竞速技术向工业场景的迁移能力。

工信部和国资委2026年联合启动的实景实训专项行动，已经明确把高速运动能力作为人形机器人实景实训的核心基础能力之一，目标是推动竞速领域积累的动态运控技术快速迁移到工业制造、特种作业，验证万台级规模落地的运动控制可靠性。

北京市经信局局长姜广智说得更直接：“得了奖牌就拿订单，出了赛场就进现场。”

玩家们已经在兑现这条路径。天工团队在赛场下，已经把竞速研发中沉淀的全栈底座能力复用到商业导览、能源巡检、物流分拣等场景，合作方包括奔驰、国家电网等。

小米的“铁大”虽然没在竞速赛道上露脸，但把同样一套硬件迭代、数据闭环的方法论用在汽车产线上，自攻螺母工位的作业成功率从3月的90%提升到了7月的98%。

这条赛道正在从“拼谁跑得快”转向“拼谁的技术能复用”。月级速度跃升的这套方法论——硬件短板快速补全、仿真优先端到端训练、赛事倒逼闭环攻坚——已经不只是竞速团队的专属武器，而是整个人形机器人行业加速迭代的通用操作手册。

哪个团队能率先把“跑得快”的能力转化为“干得好”的量产稳定性，谁就会在下一阶段的落地竞赛中占据先手。