机器人“捂脸跑”到底是怎么做到的？

这届世界人形机器人运动会，实在太出圈了，每天都在刷屏。

而值得注意的是，这次引发关注的不是宇树，而是一台双手捂脸、身体前倾、扭着腰狂奔的小机器人：天工Omni。

8月23日运动会首日，400米小型组决赛，天工Omni 45.66秒夺冠。

视频很快传开：它双手捂脸，腰扭得很欢，网友管这叫「娇羞跑」，说像「拿了个烫手的馍」。

但这事冷下来看，我感觉也没那么好笑。

北京人形机器人创新中心的运动控制算法专家韩刚赛后解释，跑姿不是工程师设计的，而是机器人在仿真训练里一遍遍迭代出来的「最优解」：摆臂幅度小，靠腰扭把握重心，肩部负载低，关节不容易发热。人类百米跑的标准摆臂，它主动放弃了。捂脸不是害羞，是这么跑最省力。

第二天更值得看。8月24日，还是天工Omni，400米障碍赛4分11秒44，又一个冠军。这回它不捂脸了，换上更稳的感知移动策略，绕桩、跨轮胎，一板一眼。

我盯着那两段视频看了很久。捂脸跑上了热搜，绕桩那场没什么人看。可厂商真正想让人看见的是后一场：这台机器绕得开桩，跨得过轮胎，能用了。

8月26日晚100米小型组决赛中，天骄队天工Omni机器人以11秒98的成绩夺冠。

而本届世界人形机器人运动会上，北京人形共获奖牌15金、12银、18铜，奖牌总数第一（数据来源于大会官方公告），34次刷新人类纪录。

毛宁也在社交媒体上点赞了这一新纪录。

那么，这些亮眼成绩背后，凝结着哪些新技术的探索和思考？

近期世界机器人大会一场论坛上，北京人形机器人创新中心CEO熊友军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，并且和智能纪元AGI等媒体进行了广泛交流，拆解机器人技术和北京人形商业化的一些新思路。

北京人形机器人创新中心总经理 熊友军

一个仿真训练机器人运控的范本

韩刚赛后解释当中有四个字值得深思：仿真训练。

一般来说，一个机器人的400米，需要做2000多个控制步；而跑100米当中，每10秒就需要约500个控制步。

以4096并行算力卡进行计算，之前Omni至少要一次完整训练，背后需要跑数千万到数百亿控制步，总共则要十亿起步。但这个工程庞大，无法通过真机数采、动捕等方式进行训练。

所以，北京人形的解决方案是，通过并行仿真的方式，让天工Omni在几小时内就跑完了这些步骤，而且以随机化和课程学习进行大规模训练。

但Omni出圈的不是成绩，而是它双臂抬到脸旁、身体大幅前倾的「捂脸跑」。

天工Omni身高约 1.35 米，400米小型组以45.66秒夺冠；同场的天工 Ultra 百米跑出 8.64 秒，比人类世界纪录还快近 1 秒。

背后主要依靠的是机器人下半身运动控制和全身的平衡感，这与田径比赛的成绩提升有很大关联。

韩刚的原话是：“一开始我们设计的是正常人百米跑步的模式，但它在仿真里不断迭代，学的时候可能感觉捂脸跑比摆臂跑更舒服，所以这是它自己迭代出来的方式。”

那么，为什么Omni选择仿真训练，而不是强化学习能力，让运控能力大幅提升？

在我看来有三点：

首先，这种仿真训练让试错成本归零。

真机上摔倒一次要检修、要花钱、要等充电；而仿真里摔倒只是数据里的一行。机器人能在几小时内「摔」几十万次，把所有诡异的姿态都试一遍——这正是「捂脸跑」能涌现的前提。

其次，这次从并行仿真把「数据饥渴」的算法喂饱了。

深度强化学习极其吃数据，单机单环境根本跑不动。而GPU物理仿真器需要4096～16384个机器人在一张卡上同时学习，数据吞吐量、算力成本大了几个数量级，效率高了但成效低了。

所以，韩刚说得最直白：“以前我们会写方程，去规划它的每一个动作、描述它每一个状态，但很多时候你很难写清楚；强化学习不需要这些，它自己基于数据驱动写出来。”

因此，团队给的目标是「跑得快、关节发热低、少摔」，至于摆臂还是捂脸、昂首还是弓背，全交给优化器。而解决从仿真到现实的Gap，手段是域随机化——训练时把质量、摩擦系数、电机力矩、通信延迟、传感器噪声、地形起伏、外力推搡全部随机扰动，逼策略在「物理参数不确定」的情况下依然稳健，这样搬到真机才不会翻车。

最后，我们还是要说，Omni运控里面并非完全没有“深度学习”和强化学习技术，而是天工用「模仿学习」做基础，在大脑中用深度强化学习（Deep RL）实现多层感知，输入本体感受（关节角度、角速度、IMU 姿态、指令速度等），输出各关节目标角度。

韩刚对外透露，训练样本里有「采集更高速人类奔跑的数据」，即用人类标准跑姿作参考/起点（类似模仿学习），再让RL在仿真里自由迭代。

最终，天工Omni「背叛」了人类的模仿样本，迭代出了“捂脸跑”。

此外，北京人形机器人创新中心CTO唐剑在采访中还透露，今年天工机器人本体做了很多优化和升级，所有关节都是自研的，扭矩更大、转速更快，电池能力更强。

“因为高速奔跑的话，需要电池有高倍率，它能瞬间放出巨大的电流，能提供一个很大的扭矩，让机器人真正能腾空一样跑起来。此外，还有整个机器人本体构型以及所用的材料要尽量轻量化，让身体轻、惯性往上提，这样比较快。算法层面，跑步姿态、导航和控制，这个是非常难的，都有非常大的迭代和升级，也是我们团队工程师日以继夜这个拼出来的成果。”唐剑表示。

唐剑认为，机器人运动能力已经接近人类，甚至超越人类。而具身智能行业的核心卡点，主要是机器人操作的泛化能力、长程复杂任务理解、环境感知和操作物品的能力，而不是单点的几个任务简单场景。

对此，北京人形同时发力VLA和世界动作模型（WAM）技术路线，实现更多复杂场景。

“我觉得在比较短的时间内，它还会有更多的提升。所以今年在一些结构化、半结构化的场景里，大家会看到规模化的落地和常态化的运行。”唐剑称。

北京人形打造具身智能界的「安卓」

上一次北京人形出圈，还是2025年的亦庄人形机器人半马。

2025年4月19日，北京亦庄半程马拉松暨人形机器人半程马拉松上，北京人形机器人创新中心自研的全尺寸人形机器人“天工 Ultra”，以2小时40分42秒，夺得全球首个人形机器人半程马拉松冠军，刷新世界纪录，立下人形机器人运动性能的新标杆。

如今，第二届世界人形机器人运动会上，天工再度闪耀。

背后的核心支撑，正是北京人形在运动控制与大脑交互两条技术线上的持续积累与赛场验证。

熊友军在演讲中用「1234」来介绍北京人形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，北京人形也是国家地方建立的具身智能和人形机器人创新中心之一（另一个是上海）。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，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。

因此，北京人形更大的重心不仅是硬件，而是做具身智能行业的“安卓”，提供包括开放的通用机器人平台「具身天工」和通用具身智能平台「慧思开物」，以及构建更多的具身智能和人形机器人产业标准。

所以，在我看来，北京人形的更大定位和野心，其实就是定位于具身智能，做华为、苹果这样的软硬一体生态公司。

今年2月，北京人形机器人创新中心完成首轮超7亿元市场化融资，投资方包括北京市人工智能产业投资基金、亦庄国投、北京高精尖基金、华控基金等多家知名投资机构，百度、东土科技等产业方的战略投资。

熊友军在WRC会前交流时告诉智能纪元AGI，天工Omni绝不是表演性质的产品，而是希望到工业场景能够“进厂工作”，关注它的ROI投入产出比，为客户和社会创造价值。

“这是个产业逐步成熟的重要标志。中国在具身智能研究和专利占比都已经超过了其他国家，而中国整体企业快速在国际上面占一个高地，这是北京人形机器人创新中心该做的事情。”熊友军表示。