长期以来，“遥操设备”成为人形机器人产业绕不开的争议焦点。每当产业界描绘人形机器人的应用前景时，自主能力总会成为一只“拦路虎”。在不少人看来，只要“遥操设备”仍然存在，人形机器人就始终是一个“难堪大任”的大号玩具。
在近日落幕的第二届世界人形机器人运动会（以下简称“运动会”）上，细心的观众会发现，“全自主”正在成为越来越多赛项的硬性门槛。去年曾经屡屡入镜的遥操人员，正在逐步淡出大众的视野。
第二届世界人形机器人运动会开幕式 机器人方阵
从可选项到必选项，人形机器人正在一步步进化掉遥操设备。规则倒逼能力，赛场检验成色，当越来越多厂商敢于放下遥操设备、让机器人独立走上赛道，意味着感知、决策与控制等核心能力，正在逐步从预设动作向自主运行迈进。
从“可选项”到“必选项”
据统计，在本届运动会的30个竞技赛项中，共有23项明确规定只能以全自主方式参赛。回顾上届赛事，除足球、自由体操、舞蹈和武术等项目外，多数项目允许参赛选手在遥操、半自动和全自主之间选择。
在本届运动会的新闻发布会上，北京市经济和信息化局党组成员、副局长、新闻发言人刘维亮将部分径赛规则升级的原因归结为机器人自主奔跑技术的突飞猛进。
过去一年，人形机器人在自主定位、环境感知和路径规划等方面取得了明显进步。据媒体报道，在首届运动会中，径赛机器人主要依靠摄像头识别跑道白线，这种技术路径高度依赖清晰、稳定的地面标识，如果现场的光线、视角或机器人姿态发生变化，就可能造成识别错误，导致串道；而今年，北京人形机器人创新中心运动控制算法专家韩刚介绍，部分参赛队伍选择在机器人头部安装雷达，并在赛前建立“冰丝带”的三维地图，通过雷达与地图匹配来获得厘米级的全局定位，这成为机器人能够自主识别跑道的关键技术支撑。
更大的看点在于，今年新增了乒乓球、自由搏击等高对抗类竞赛项目。这类项目的外部环境实时变化，机器人需要根据球体或对手的运动状态，在毫秒级时间内完成感知、预测、决策和动作执行，对系统级协同能力提出了极高要求。
以乒乓球为例，机器人首先需要通过视觉传感器捕捉高速飞行的球体，估算其速度和运动轨迹，并迅速判断落点、选择回球策略，进而调动手臂、手腕和躯干在合适的时机完成击球。北京信息科技大学BiStrike战队队员李天乐在接受记者采访时表示：“完全自主决策，正是这个项目最大的难点。”
据运动会乒乓球项目技术代表吴飞介绍，今年乒乓球赛事的考验范围进一步扩大，由视觉识别、算法运算能力延伸到双足快速移动、全身重心动态调节、多关节协同发力等系统协同能力。参赛的人形机器人相互对抗，除挥拍外，还要完成走位、重心调节和多关节协同等运动控制动作，所有判断和执行均由机器人自主完成。
支撑全自主对抗的，是机器人在高速感知、轨迹预测、实时决策和全身控制等环节的协同进步。开幕式上，与奥运冠军丁宁对打的智元远征A3机器人，搭载了由香港大学与超维动力联合开发的乒乓球算法。香港大学计算机与数据科学学院科研副院长、超维动力联合创始人罗平在接受记者采访时表示，团队采集了超过100小时的专业运动员对打数据，用以训练模型，并通过全身控制策略，使机器人能够在毫秒级内完成感知、预测、决策和动作执行。在比赛过程中，机器人的“大脑”“小脑”与机器本体高效协同，从而快速完成击球。
在网球赛场上，机器人面临的考验更加严峻。运动会开幕式上，北京银河通用机器人股份有限公司（以下简称“银河通用”）的人形机器人与网球冠军郑洁挥拍对弈，进行了多轮拉扯。面对高速来球，这台机器人可自主完成位置移动、落点研判与回击动作，实现灵活变向与网前截击，支撑起多拍连续回合。其间，机器人曾在摔倒后立刻站起，并重新进入对战状态，引起现场一阵惊叹。据银河通用方面介绍，其自研的“银河星脑”具身智能大模型首次将“大脑”“小脑”、神经控制集于统一模型中，可将对战策略直接转化为躯体运动，输出更拟人、更流畅的回击动作。
从径赛到需要大小脑高度协同的乒乓球、网球展示等项目，本届赛事所呈现的能力维度，已经由单纯的运动控制扩展到动态感知、实时决策和全身协同。深圳市人工智能与机器人研究院具身智能中心主任刘少山认为，这代表机器人已经“开始从运动控制慢慢走向智能化”。这些变化背后，是视觉感知、实时决策、全身运动控制和本体硬件等多项技术的协同进步，也是机器人“大脑”与“小脑”协作能力不断增强的结果。
“全自主”走到了哪一步？
丢掉遥操设备是否意味着机器人已经能够摆脱对固定场景和针对性训练的依赖，直接适应全新环境？目前答案仍是否定的。
赛场上的自主运行，建立在规则明确、环境相对标准化且经过反复训练的基础上，一旦场地条件、任务流程或外部干扰超出训练范围，机器人的感知、决策与控制能力仍可能明显下降。正如宇树科技创始人王兴兴给出的判断，在固定场景充分训练的情况下，机器人完成任务的成功率可以接近100%，但一旦物体、环境发生微小的变化，机器人的性能就会大幅衰减，这是当前具身智能模型普遍面临的现实。
第二届世界人形机器人运动会 机器人足球7V7表演赛
有记者在运动会现场注意到，在“打包入库”和“线缆连接”两个项目中，能够完整达成任务要求的几乎全部是遥操队伍，其间曾有全自主机器人不小心碰歪了打包箱，但未能即时调整纠错，导致后续所有药盒都放歪，暴露出机器人在突发情况应对和反馈环节上的不足。“线缆连接”项目的灵心巧手赛队队员何祎介绍，团队在机器人本体到位后进行了约一个月的数据采集和训练，然而，赛场提供的线材比团队训练时使用的线材更软，这大大增加了机器人抓取、识别和对准接口的难度。线材软硬度的变化看似微小，却改变了物体受力后的形态，也使原有操作策略难以直接迁移。
这些现象进一步说明，机器人已经开始从依靠人类实时控制，转向自主完成感知、决策和执行，但这种自主仍有较为清晰的能力边界。面对物体位置、材质和形态变化时，机器人能否发现原有策略已经失效，并在缺少人工干预的情况下重新规划任务，仍是其从“按程序干活”走向“根据现场变化干活”需要跨越的关键一道坎。
与此同时，在一些项目上，“全自主”尚未贯穿任务执行的完整流程。
在径赛方面，机器人还无法做到自主起跑和平稳制动。并且在高速奔跑状态下，即便操作人员及时发出停止指令，部分机器人仍会因减速不及时而撞上终点缓冲挡板，进而失去平衡，重重摔倒在地。这意味着，目前径赛中的“全自主”主要覆盖定位、循迹和奔跑过程，距离准确捕捉并理解发令信号、瞬时状态切换以及根据实时速度、剩余距离和地面摩擦条件自主规划减速动作的理想状态，仍有一些技术环节需要补齐。
第二届世界人形机器人运动会 径赛项目
刘少山认为，“跑得快”体现出机器人在关节功率密度、机身轻量化、动态平衡、全身控制和高速运动能力等本体能力方面的提升。而判断什么时候起跑、如何停下，则揭示出机器人在自主研判能力、系统能力与安全性能方面的短板。
距离真正自主还有几道坎？
从本次运动会的赛场状况来看，场景泛化能力、自主纠错能力、长时间稳定可靠运行的能力，是目前人形机器人走向真正自主和真实场景应用需要跨越的几道坎。
人形机器人继续走向更高水平的自主，首先需要练就的是跨越不同场景的泛化能力。
王兴兴在2026世界机器人大会上指出，泛化能力不足，是当前全球具身智能面临的最大瓶颈。经过针对性的训练，机器人可以在标准化环境中高效执行任务，而一旦操作物体或临场环境发生细微的变化，模型输出与真实物理世界之间的偏差便会导致任务成功率大幅下降，这也是目前机器人在场景赛中完成度较低的关键原因。
而解决这一问题的核心之一，仍在数据。王兴兴表示：“行业需要海量高质量的人类与真机数据，并建立由大模型编程、仿真训练、实机测试和人机评价组成的自进化闭环。”
随着具身智能逐步进入规模化应用阶段，模型训练对数据的规模、质量及场景覆盖面提出了更高的要求。然而，当前具身数据的采集、处理与流通体系仍处于发展初期，能够直接用于训练的有效数据供给有限，与行业千万小时量级的需求之间仍存在较大缺口。而真机数据采集成本高、积累速度慢，不仅需要机器人在真实环境中反复执行任务，还涉及设备损耗、场地搭建、人员操作和安全保障等投入，难以在短期内大量获取。北京智源人工智能研究院院长王仲远指出，行业正在仿真合成数据、互联网视频数据、穿戴设备采集人类行为数据等多条数据收集路线上并行探索。银河通用机器人股份有限公司创始人王鹤认为：“走向通用的关键在于融合VLA与世界模型的世界动作模型，以及仿真强化学习、人类数据、真机回流数据共同构成的数据体系；再通过只需普通视频、无须动作标签的低门槛后训练，让各行业能够快速把通用模型训练成高成功率的场景模型。”
数据积累能够拓展机器人适应不同场景的能力范围，但现实环境中的异常情况难以被训练数据完全覆盖，机器人还需要建立能够发现偏差、判断原因并动态调整动作的自主纠错闭环。以本次场景赛中打包箱被碰歪为例，机器人需要重新感知箱体位置，进而调整抓取姿态、运动轨迹和后续操作。整个过程涉及状态感知、结果判断、原因分析和动作重规划，任何一个环节缺失，都可能引发“蝴蝶效应”，进而导致任务失败。
而想要实现自主纠错，首先要依赖更加丰富的感知反馈。意大利锡耶纳大学教授、WEART公司联合创始人Domenico Prattichizzo在2026世界机器人大会上表示：“人形机器人要完成精细操作，不能只依靠视觉，必须获得力、触觉和温度等反馈。”IEEE机器人与自动化学会主席Nancy M.Amato也指出，当机器人进入复杂、长期和非结构化环境后，核心挑战将转向如何进行任务规划与协同，并将全局结构化规划与局部反应式协调结合起来。
此外，更高水平的自主性还要经受长时间运行的可靠性考验。刘少山认为，当前需要重点提高机器人长时间运行的可靠性等能力，并建立覆盖感知、决策、计算和执行全过程的安全机制。他指出，机器人能够以很快的速度完成百米比赛，并不意味着它已经可以在工厂里稳定工作8个小时。当运行时间不断延长，电量下降、关节和电机温升、机械部件磨损、传感器漂移以及通信和算力波动，都可能造成感知精度下降、动作变形甚至任务中断，任何局部故障都可能沿着连续任务链条向后传递。
去年，人形机器人还在赛场上跌跌撞撞；今年，机器人就已经在跑道上多次突破人类世界纪录。人形机器人的进化速度超乎想象。
明年，又会是什么样的一番景象呢？
作者丨卢梦琪 胡秀青（实习生）
编辑丨邱江勇
美编丨马利亚
监制丨连晓东
配查信提示：文章来自网络，不代表本站观点。
