人形机器人行业长期面临一个核心矛盾：机器人能完成跑跳、后空翻等高难度动作，却难以在真实场景中完成倒垃圾、擦桌子等基础操作。这一困境的根源在于双足机器人底层控制系统的两难——要稳定，手就得跟着晃；要手准，整个人就容易摔。过去一年，行业主流方案普遍基于英伟达开源的全身控制基准SONIC，但该方案在末端跟踪精度、身体稳定性与可稳定触达范围之间难以兼顾。
源策未来近期发布以「全身智能」（Whole-Body Intelligence，WBI）为核心技术路线的新模型和演示，自采人类全身交互数据，研发能够适配不同本体的人形基础模型系统。在公开演示中，机器人面对倒在地上的自行车，能够俯身弓腰、全身发力将其扶起；面对电饭煲的启动键，可完成精细按压；在够不着高处物品时，能自行搬来踏台放下，随后踏上平台抓取目标。这一系列动作将搬运、支撑转换和高位操作连贯完成。
行业此前面临的首要技术瓶颈是末端跟踪精度不足。在源策的对比测试中，当机器人通过俯身、前伸等全身协调动作向低处或远处伸取时，开源基线手部末端跟踪误差在10厘米量级，无法满足精细操作需求。全身控制上的不足还会向前传导，限制后续模型所需的数据采集。想训练一个会操作的全身模型，控制系统不仅要负责最终部署执行，在前端还要充当遥操作的驱动底座——人类数采员做出动作，需要靠控制系统实时转化为机器人的动作。控制系统能跟上多少，决定了这些示范有多少能变成有效的真机数据。
另一道障碍是地形变化时通行与操作的连续性问题。SONIC等主流方案的控制逻辑几乎完全绑定在平整地面上，算法假设脚底接触的是一个连续、平滑的二维平面，导致无法采集地形变化下的动作。行业此前尝试过拼接策略：上楼梯时跑一套专门的通行功能，到平地后再切换成手臂操作功能。这一过渡方案存在明显缺陷——如果机器人手里抱着箱子走到台阶前，甚至需要先在平地上放下箱子，才能切换成爬楼模式，失去了人形机器人的通行优势。
源策未来拿出的方案是一套被称为WBI的系统架构，整套系统被清晰划分为两层：负责高频动态平衡与动作执行的运动控制基模S0（小脑），以及负责长程任务理解与拆解的智能基模S1（大脑）。突破首先发生在底层的S0。源策自研的S0负责全身协调与稳定执行，将任务目标落实为机器人可执行的动作。在源策的测试中，S0将手部末端追踪误差压到了2厘米区间。客观来看，2厘米在更广阔的机器人坐标系中依然算不上精密，但已进入物理接触操作的及格线。
在精度之后，S0攻克的第二个难关是SONIC长期以来的平地缺陷，同时实现了更好的全身追踪。S0将控制维度拓展到了有高差的非平地上，在上台阶过程中也能动态协调下肢落脚轨迹、躯干姿态与重心的平滑转移，同时对弯腰等大幅度动作的意图追踪也做到了更好的映射。在S0成为更好的底层运控算法的基础上，S0最终支撑了更具自主规划能力的大脑S1。
在S1的预训练阶段，源策通过WBI数据平台自采EgoBody全身人类数据，记录人在生活场景中移动、调整姿态、接触环境和操作物体的经验，为模型建立身体、动作与环境关系的先验。随后结合S0在真机上沉淀的高精度示范与DAgger纠偏经验，S1具备了长程任务理解能力——在现实工况下，环境会被机器人自己的动作不断重塑，前一步的结果必须直接作为下一步的约束。源策未来的电饭锅做饭操作是一个典型案例：机器人跨过地面高差进入厨房，在不同高度完成取米、加水和内胆取放，再合盖并按键启动，把地形跨越、物体搬运与家电操作串成一项任务。
这套结合人类数据、真机适配与全身控制的技术路线，已在宇树G1和加速进化T2两种构型上得到验证。两款机器人具有不同的身体比例、关节配置与运动约束。在源策未来的茶水间任务展示中，两种机器人在冰箱整理任务中分工配合，宇树G1与加速进化T2分别承担冰箱取放与持篮配合。这意味着同一技术路线开始进入不同本体的自主操作场景，虽然仍需本体适配，但积累下来的能力有机会服务于更多硬件平台。
过去很长一段时间，行业里很少有公司能够拿出连贯的全身任务演示。近期国内外机器人公司都在密集展示双足机器人的全新运动能力，从打球到完成简单任务，全身智能正在成为人形机器人行业的共同技术方向。源策未来此次发布的WBI系统，其价值不仅在于将末端追踪误差从10厘米量级压缩至2厘米，更在于验证了从人类数据采集、全身控制基模到长程任务规划大脑的完整技术链路，为人形机器人从表演道具向实际生产力工具演进提供了一条可复用的工程路径。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
