官方网站-首页

近日，北京亦庄举办全球首场机器人半马，20支队伍参赛。最终，来自北京人形机器人创新中心和优必选科技的天工Ultra用2小时40分钟率先完赛。

▲资料图 图据视觉中国

当然，赛场频现机器人"翻车"：有选手被绳子牵引，有的腿软、摔跤，有的歪歪扭扭撞线，甚至上演"假摔"闹剧，投资者戏称"这是机器人空头的阴谋"。

此次机器人半马赛事，既是技术进展的展示台，也是(shì)产(chǎn)业(yè)痛(tòng)点(diǎn)的(de)放(fàng)大(dà)镜(jìng)。

为何机器人马拉松频频“腿软”？

当人类跑者肌肉酸痛时，还能靠意志力坚持冲刺，但机器人若是"肚子饿了"，直接就会撂挑子罢工。这看似滑稽的场景，实则折射出机器人马拉松面临的三大技术鸿沟。

第一关：续航焦虑如影随形

市面上主流机器人"满电续航"仅够坚持2-6小时，而马拉松赛事要求3.5小时内完赛。就像电动赛车中途必须进站换电池，参赛机器人也得在赛道特定点位上演"无缝换电"——这项看似简单的操作，实则考验着能量管理系统的精密计算，稍有差池就可能让机器人"饿晕"在终点线前。

第二关：动态平衡堪比走钢丝

人类跑步时小脑自动完成百万次微调，机器人却要依靠关节处的陀螺仪以0.01度的精度感知姿态，配合每秒300次的算法修正。即便宇树科技的H1机器人已能跑出5米/秒的短跑成绩，但要像运动员般连续数小时保持稳定奔跑，仍需突破谐波减速器、伺服系统等核心部件的性能天花板。

第三关：户外环境处处是坑

实验室里的跑步机永远平坦笔直，真实赛道却(què)暗(àn)藏(cáng)坡(pō)度(dù)、弯(wān)道(dào)甚(shén)至(zhì)侧(cè)风(fēng)突(tū)袭(xí)。这(zhè)时(shí)多(duō)模(mó)态(tài)传(chuán)感(gǎn)器(qì)化(huà)身(shēn)"全知(zhī)感(gǎn)官(guān)"，强(qiáng)化(huà)学(xué)习(xí)算(suàn)法(fǎ)则(zé)担(dān)任(rèn)"超(chāo)级(jí)大(dà)脑(nǎo)"，让(ràng)机(jī)器(qì)人(rén)在(zài)复(fù)杂(zá)环(huán)境(jìng)中(zhōng)既(jì)能(néng)像(xiàng)猎(liè)豹(bào)般(bān)敏(mǐn)捷(jié)转(zhuǎn)向(xiàng)，又(yòu)能(néng)如(rú)不(bù)倒(dào)翁(wēng)般(bān)保(bǎo)持(chí)平(píng)衡(héng)。华(huá)夏(xià)基(jī)金(jīn)在(zài)科(kē)普(pǔ)中(zhōng)特(tè)别(bié)指(zhǐ)出(chū)，这(zhè)种(zhǒng)环(huán)境(jìng)适(shì)应(yīng)能(néng)力(lì)正(zhèng)是(shì)区(qū)分(fēn)实(shí)验(yàn)室样品与赛场健将的核心指标(biāo)。

多(duō)模(mó)态(tài)传(chuán)感(gǎn)器(qì)发(fā)挥(huī)什(shén)么(me)作(zuò)用(yòng)？

赛(sài)事(shì)冠(guān)军(jūn)天(tiān)工(gōng)Ultra以(yǐ)2小(xiǎo)时(shí)40分(fēn)钟(zhōng)的(de)成(chéng)绩(jī)完(wán)赛(sài)，其(qí)背(bèi)后(hòu)依(yī)托(tuō)的(de)多(duō)模(mó)态(tài)传(chuán)感(gǎn)器(qì)融(róng)合(hé)技(jì)术(shù)成(chéng)为(wèi)关键。该(gāi)机(jī)器(qì)人(rén)通(tōng)过(guò)结(jié)合(hé)视觉传感器、惯性测量单元（IMU）、激光雷达（LiDAR）及足底压力传感器，实现了对跑道环境、自身姿态及运动状态的实时感知。这种多模态数据融合使其能精准判断路面坡度、调整步态频率，并在长距离运动中维持动态平衡。

然而，其他参赛机器人的表现暴露了当前技术的普遍瓶颈：

环境感知局限：部分机器人因视觉算法对强光/阴影处理不足，导致导航偏差；

动态平衡缺陷：依赖单一IMU数据的机器人易因机械振动产生误差累积，最终“腿软”摔跤；

多传感器协同失灵：某机器人撞线时因LiDAR与视觉数据融合延迟，未能及时规避障碍物。

此次赛事折射出人形机器人产业的三大发展方向：

传感器硬件创新：

事件相机（Event Camera）、固态LiDAR等新型传感器正加速商用，其低延迟、高动态范围特性可显著提升运动控制精度；

算法架构升级：

基于强化学习的自适应融合算法开始取代传统滤波方法，如优必选等头部厂商已研发出可动态调整传感器权重的决策框架；

场景化技术迭代：

仓储AGV、服务机器人等领域正推动多模态技术向专用场景深化，例如通过热成像+毫米波雷达融合实现消防机器人的火场导航。