熊友军揭秘「捂脸跑」机器人夺冠背后：VLA、VLM和世界模型都不是标准答案

人物简介

熊友军 | 华中科技大学机械设计及理论工学博士。北京人形机器人创新中心（以下简称「北京人形」）CEO、国家地方共建具身智能机器人创新中心总经理，工信部公示人形机器人标准化技术委员会副主任委员。

他曾任优必选科技执行董事兼CTO，2023年参与创立北京人形，领导团队推出通用机器人平台「具身天工」和通用具身智能平台「慧思开物」。

双手捂脸、身体前倾、扭腰狂奔，在刚刚落幕的第二届世界人形机器人运动会的400米小型组决赛（8月23日）中，北京人形带来的新一代产品天工Omni机器人凭借一套被网友戏称为「娇羞跑」「捂脸跑」的独特姿态，以45.66秒的成绩夺冠，迅速走红全网。

值得一提的是，这种被网友调侃为「像拿了个烫手的馍」的独特跑姿并非工程师刻意设计，而是机器人在仿真训练中不断迭代学习出来的「最优解」。

据北京人形运动控制算法专家韩刚在赛后接受媒体采访时所介绍，最初他们设计的是人百米跑步时的通常模式，机器人在学习时，为了降低肩部负载和关节发热带来的限制，逐渐自我进化出摆臂幅度小、靠腰部扭动把握重心的跑步方式，以让自己跑得更快更稳更省力。

一天之后，8月24日，天工Omni又在400米障碍赛中以4分11秒44的成绩夺冠，这次它不再「捂脸」，而是切换为更稳重的感知移动策略，从容绕桩，稳健跨越轮胎障碍。这也让外界看到，人形机器人正从赛场上的「会跑」，加速走向真实世界里的「能用」。

据悉，本届运动会上，北京人形共派出天工Ultra、天工Omni、天工3.0、天轶2.5-TE四款机器人参赛，全部搭载「慧思开物」大小脑平台。

其中，天工Ultra主攻长短跑和跳高等田径赛，天工Omni主攻400米小型组和400米障碍赛，天工3.0出战场景赛应急场景和综合五项比赛，天轶2.5-TE参加场景赛灵巧手专项赛和商超、餐饮、工业、办公、家庭场景。截至8月25日，北京人形官方公众号公布共获奖牌11金、7银、15铜。

天工Ultra以2分21秒夺得本届运动会1500米金牌

天工3.0以16kg负重夺金

天轶2.5-TE以全自主夺得园林场景-园林管理岗赛项金牌

这些亮眼的成绩背后凝结着哪些技术的探索和思考？在本届运动会开幕前的8月21日，北京人形CEO熊友军在世界机器人大会的一场论坛演讲中，系统拆解了北京人形在具身智能领域的技术布局与生态建设思考。

行业苦各自为战久矣，具身智能需要「安卓时刻」

天工Omni机器人在本届人形机器人运动会上的一跑成名让北京人形这家机器人「国家队」企业走进了更多人的视野。

熊友军总用「1234」来介绍这家刚成立三年的公司。

「1」是一个定位。北京人形致力于成为全球具身智能领域的领导者，同时，北京人形也是国家具身智能创新中心。其坚信机器人的存在不是为了取代人类，而是为了服务人类。在技术路线上，北京人形坚持技术创新和开源开放。

「2」是两大开源基座。一是具身天工通用人形机器人平台，二是慧思开物通用具身智能平台，两者均面向行业开源开放。

「3」是聚焦「3D」场景。「3D」指Dirty（脏污）、Dangerous（高危）、Dull（枯燥）三大类场景。围绕这些场景，北京人形在商业服务、能源运检、计量检测、泛电子工业、物流分拣五个方向上推出五大解决方案。

「4」是四个首届冠军。北京人形的机器人产品拿过全球首个人形机器人半程马拉松冠军、首届世界人形机器人运动会百米飞人冠军、首届世界人形机器人运动会场景赛冠军、全球首个全自主机器人勇士挑战赛冠军。

熊友军指出，能跑是性能的提升，最能跑是实力的体现，最好用是价值的彰显。“纵观人类历史，生产力范式虽历经数次变革，但人类始终未能从急难险重的环境中真正解脱。如今，具身智能时代的到来，让我们不禁追问，这是否是一次重构生产力、重塑生产关系、探索人类文明的新范式的历史性契机？”

熊友军指出，当前具身智能行业面临三大痛点：一，数采中心和业务模式的重复建设均较严重；二，验证成本比较高；三，体系化割裂明显，各家公司互不兼容。具身智能行业需要一个操作系统级别的底座。

为此，北京人形打造了一个致力于开源开放、共创共赢的产业生态——开物生态。熊友军认为，生态的建设不仅指开放代码，更在于开放一片创新的土壤。

据熊友军介绍，开物生态有四大原则：一是坚持技术探索，不断打破技术边界；二是不独行，携手全球一流企业共同定义机器人时代；三是不筑墙，坚持共创；四是不踩坑，不重复走弯路，不重复造轮子。

北京人形对生态建设做了四方面系统性规划：一，坚持打造技术底座，将机器人本体、小脑、大脑、开物等技术平台向行业开源开放；二，坚持与上下游产业链围绕产业应用展开合作，包括核心零部件的协同技术攻关以及数据集、数据平台建设，面向行业应用落地，坚持服务二开客户；三，坚持做开发者培育；四，坚持做标准建设和中试服务。

VLA、VLM和世界模型都不是标准答案

“我们认为，技术的厚度决定了生态能达到的高度，因此在技术底座建设上我们始终坚持自主创新。”熊友军说道。

「慧思开物」通用具身智能平台是北京人形最核心的开发平台，具备「一脑多能、一脑多机」的能力，扮演着机器人「大小脑」的角色，其既是底座，也是分布式多智能体，可通过云端和本地端灵活调用完成从感知到执行的全过程。

图源自北京人形官网

熊友军介绍，慧思开物平台的核心技术体系包含三个层面：一是具身多模态大模型，承担人机交互、环境感知、意图理解、任务规划等高级别认知功能；二是具身小脑，由具身操作子平台和具身运控子平台组成，前者负责视觉感知和技能调用，后者负责全身运动控制和双臂协作等；三是具身数据层，以自主搭建的数据采集平台提供数据支撑。

熊友军详解了目前慧思开物平台三大技术层所做的突破和取得的成果。

在模型层，慧思开物平台的双大脑模型「天鹕」「我悟」均于今年6月完成北京市网信办备案。其中，「天鹕」是业界首个开源的超大规模多模态大模型，参数量达72B，空间理解、工具调用和长程任务推理是其强项。小脑方面的VLA模型支持多构型、多任务，并具备一定的跨本体泛化能力，仅需20条数据就可解锁全新任务。

对于老生常谈的VLA、VLM和世界模型，熊友军指出这些技术方向各有长短，北京人形正探索统一大模型的新范式。

他表示，当前VLM模型长于感知、思考和规划但难于动手执行，VLA模型能执行动作但缺乏规划和预演能力，世界模型可预演却不擅长长程任务推理。

北京人形综合这些技术方向的优缺点，将视觉、文本与动作用同一范式进行表征，于今年8月正式发布推出具身大一统模型Pelican‑Unify，推动技术路线从「模块化」迈向「端到端」。据悉，该模型已于今年五月登顶World Arena榜单，并在Benchmark方面位居同等模型榜首。

统一表征具身世界模型Pelican‑Unify三步实现端到端

在小脑层，北京人形推出基于强化模仿学习的全身运动控制器，具备全身复杂动作和高动态动作的学习能力；自主开发了基于战控网络的感知模块，具备优秀的动态感知和路径规划决策能力，这也是天工系列机器人能自主完成半程马拉松和各项比赛的关键所在。

在数据层，为推动机器人大小脑模型迭代，北京人形建立了具身智能机器人数据采集与训练基地，支持多模态、多本体、多种任务数采。

目前，北京人形也联合北大发布了大规模、多本体的开源数据集。除了真机数据采集，北京人形也建设有虚拟仿真数据集。

别埋头卷参数，产业方要的是「能用」

除了起着「压舱石」作用的技术底座方面，北京人形在产业落地、开发者培育、标准建设、中试验证等生态建设领域也取得了一些成果。

场景落地方面，熊友军指出，产业方其实并不太关心技术参数和实现方式，更关心给产业带来的实际价值。他说，北京人形非常注重场景落地和标杆案例打造，针对人工服务成本高、服务体验不一致和重体力劳动、对人有害的几类场景做了大量探索和落地应用。

开发者培育方面，北京人形既做线上的开源培育，也开展大量线下高校校园行和技术沙龙，通过马拉松比赛、人形机器人运动会等活动举办训练营。据了解，截至目前，北京人形已培育超过1000名开发者，开源开放的技术被下载超1600万次。

标准建设方面，北京人形作为工信部人形机器人与具身智能标准化技术委员会安全工作组（WG6）的组长单位，正牵头7项人形机器人零部件测评和标准验证工作，其中4项已通过标准答辩即将发布。截至目前，北京人形累计参与制定标准49项，累计牵头22项，已发布实施10项，涵盖具身智能、关键技术、核心零部件、安全可信、整机和模块、应用验证等七大关键领域。熊友军指出：“标准不是围墙，而是所有人共享的轨道。”

中试验证方面，熊友军介绍，北京人形建立了中试工厂，主要面向开发者或创业公司，提供打样、性能工艺验证、工具优化等一站式服务，“帮助他们跨过从实验室样机到小批量试制的鸿沟。”

熊友军认为，具身智能不是某一家公司之事，而是整个行业之事；不是一次简简单单的技术升级，而是人类生产力范式的跃迁。“或许100年之后再回望2026年，是人类最后一次独自面对世界。”