你见过机器人跑马拉松吗？更刺激的是，去年的冠军今年冲线后直接撞进了绿化带！这一幕发生在北京亦庄人形机器人半程马拉松赛场上，让人哭笑不得，也照见了机器人行业最直白的现实——进步与失控，只在一瞬间。

机器人马拉松：从“醉酒大汉”到“博尔特”的蜕变

一年前，人形机器人还需要工程师拖着完成比赛，身后跟着一溜扛着电脑的技术人员。他们需要频繁介入纠正方向，更像是一场人机协同接力。

一年后，赛场规则大变！陪跑员被取消，人工干预被严格限制，有40%的机器人实现了自主导航。人形机器人第一次独立面对一条复杂而漫长的真实道路。

最惊人的是完赛时间！从去年的2小时40分42秒，直接缩短到今年的50分26秒！机器人从面前掠过，只剩一道残影。

这条21.0975公里的赛道，简直就是为机器人量身设计的“难题集”。从平地到坡道，从连续弯道到狭窄路段，再到接近90度的急弯与下坡组合，十余种地形串联在一起。每一个转弯、每一段坡度变化，都是对感知、决策与控制系统的同步拷问！

💡 为什么有的机器人跑得像博尔特，有的像喝多了？

赛场上，机器人的表现天差地别！有的步伐稳健如专业运动员，有的却摇摇晃晃像醉酒大汉。这背后的差异到底在哪里？

步幅差异的真相：最直接的决定因素是关节电机的扭矩！扭矩越大，机器人“力气”越大，就可以一步迈得更远。但这只是基础物理约束，还跟控制算法密切相关。

如果控制系统对大步态的稳定性把控不够，它可能会被迫采用小步快走的策略。因为小步的好处在于调整空间更大，一旦姿态有偏差，可以更快修正，整体稳定性更高！

系统响应延迟是关键：人形机器人全身可能有几十个自由度，比如30多个关节电机。在迈大步的时候，这些电机需要非常高频、同步地完成姿态调整，对控制系统的实时性要求极高。如果延迟过大，重心来不及修正，就很容易失去平衡、直接摔倒！

所以在控制能力还不够成熟的情况下，很多系统会主动选择更保守的小步策略。

步频的秘密：本质上取决于电机的响应速度和驱动能力！如果电机性能更好、驱动更强，单位时间内可以完成更多次步态循环，步频就能提高。

从系统角度看，步频不仅是控制问题，也和电力系统密切相关。因为更高频率的运动意味着更高的功率输出需求，如果供电能力不足，或者电机性能不够，就很难支撑高步频运行。

完赛时间大幅缩短的原因：其实是得益于咱们电动车产业链！这套产业链现在正在往机器人领域迁移。关节电机、电池这些东西在持续进步，整体性能在提升，同时国产化率也越来越高。

另外一个很重要的点是，厂商在算法上的投入也在加大。有的机器人厂商，它一半的研发费用投在“小脑”和“大脑”上，也就是运控和逻辑思考这两部分。这一块其实会带来很大的价值！

⚠️ 穿鞋vs裸足：机器人也有“半月板”磨损问题？

赛场上一个有趣的现象：有的机器人穿着专业的跑鞋，有的却坚持裸足！这背后有什么讲究？

机器人也会磨损“半月板”：机器人每迈出一步，脚接触到地面，会产生体重2-3倍的反作用力！如果这个反作用力直接沿着腿部连杆向上传导，会对踝关节和膝关节造成高频冲击，非常容易发生金属疲劳和断裂。

跑鞋的作用就是吸收冲击力，隔离一些高频振动，有效保护机器人的关节和电机！

摩擦系数的关键作用：机器人的裸足，一般是金属或碳纤维，摩擦系数比较低，直接接触柏油马路容易发生微小的位移，不稳定。这种微小的偏移会让机器人的算法出现误差，进而导致重心或空间位置的偏移，甚至引发系统振荡！

如果给机器人穿上合适的跑鞋，它能大幅提高静摩擦，也不容易在柏油路面发生微小的位移。尤其是过直角弯时，跑鞋带来的高摩擦力能够帮助机器人维持向心力。

穿鞋的小问题：前期训练的模型里，没有把跑鞋柔软的材料、鞋底的厚度放进去，导致机器人不知道自己穿了鞋，可能会对它的算法造成一定扰动，比如踏空。另一个是，鞋子的重量会增加机器人腿部末端的重量，进一步增加腿部能耗。

但这两个问题都不是很大，现在用的强化学习算法有很强的鲁棒性，给机器人穿一双跑鞋是利大于弊的！

防水的难题：前两天北京下雨，参赛队伍纷纷给机器人披上雨衣。对于人形机器人来说，防水是一件非常困难的事情！

人形机器人集成了大量传感器和设备，设计之初就没有考虑到要去防水性工况下使用，它的电源接口、关节之间的连接件、甚至很多走线是完全裸露在外的。如果真的做出防水机型，它的整机成本会比现在至少上升五倍，其实也不符合人形机器人的商业化落地需求。

🌟 高矮胖瘦各不同：最优体型真的存在吗？

今年赛场上，机器人的体型差异巨大！最矮的只有75cm，最高的接近1.8米。人形机器人的最优体型是否存在？

不同场景，不同体型：这个问题其实没有一个标准答案，更准确地说，需要放在具体任务里去讨论。不同应用场景下，人形机器人会有各自更适合的体型。

小型机器人的优势：整体重量轻、摆动幅度可以做得很高，同时重心低、稳定性好。在受到外界干扰，比如碰撞时，不容易摔倒；即便摔倒，电机和整机受损的风险也更低，而且整体功耗更小。

小型机器人的局限：单步跨度有限。如果想达到较高速度，就必须依赖更高的步频，这会显著增加电机负载和散热压力。小型机器人对复杂地形的适应能力较差，比如台阶、坑洼等，很容易成为无法跨越的障碍。所以这类形态的机器人更适合室内环境或算法验证。

全尺寸机器人的优势：可以更好地利用动力学，比如类似钟摆的被动动力学机制，让腿部摆动更高效，从而在单位距离上的能耗更低。同时，它和人类空间是一一对应的，可以直接复用楼梯、通道等基础设施，不需要额外适配。

全尺寸机器人的风险：一旦摔倒，风险会非常高！因为体重大、势能高，冲击力也更大，很可能直接对整机造成严重损伤。这类机器人对电机性能和控制算法的要求也更高，需要更强的扭矩输出和更精细的平衡控制来避免摔倒。

未来会不会出现非标准结构：如果单纯从“跑得更快、更久”这个目标来看，完全复刻人类的双足直立形态，未必是最优解。自然界中跑得最快的动物，比如鸵鸟，其实并不是标准的人形结构。

类似的思路在机器人设计中也已经出现，比如去年有一款人形机器人，屁股好大，其实那个地方是放了两个硕大的电机，相当于人类的肌肉一样。或者采用更轻量化的材料结构，甚至在某些场景中去掉上半身或手臂。

🔥 全自主导航的噩梦：40%自主率背后的技术挑战

今年大约40%的参赛机器人实现了自主奔跑，但遥控还是占大部分。这背后的挑战到底有多大？

感知层面的挑战：马拉松赛道和实验室环境差别非常大！比如光照，因为有云层、树的遮挡，还有角度的变换，会发生剧烈的变化。再比如路面，有其他机器人，有观众，有复杂线条。

数据噪声是噩梦：人形机器人奔跑产生的冲击力，不仅会损害关节等机械结构，对感知系统来说也是噩梦！当冲击力瞬间传导到IMU系统时，系统会误以为自己处于一个剧烈晃动的环境，进而导致系统失效。

这种高频振动也会影响视觉系统，比如产生类似相机“果冻效应”的画面畸变，进一步干扰识别精度。

算力争夺战：为了过滤噪声，我们需要给机器人加上滤波算法、搭载深度学习模型。但受制于电池容量，机器人身上搭载的边缘计算芯片算力有限，最终可能会出现感知系统和运动控制系统“抢”算力的情况！

感知系统“抢”赢了，运控系统算力不够，机器人可能直接“抽搐”；两个系统“打平手”，算力消耗过大，电机过热，可能整个系统会直接降频甚至瘫痪。

今年的技术突破：最大的提升在高精度全局定位系统的修正以及多系统耦合上！一方面，我们在算法上普及了视觉和IMU的里程计，即使视觉短暂丢失，IMU也可以通过融合算法支撑数百毫秒的推算。

另一方面，这次比赛中使用了高精度RTK定位技术，可以提供厘米级的绝对位置参考。这相当于给机器人提供了一个来自太空的坐标系，能够有效解决长距离奔跑中的累计误差问题！

决策能力的跨越：从遥控到自主导航，真正的跨越在于人形机器人的决策能力。它并不在于机器人跑得多快，而在于它的“大脑”能否实时在复杂环境中做出正确的决策。

现在的进展在于，边缘计算系统已经可以实时生成类似栅格地图的环境模型，预测前方行人或其他机器人的运动轨迹，并在数百毫秒内规划出一条平滑的路径，比如如何避让、如何超车。

大模型的引入：今年开始尝试引入大模型能力！机器人在面对障碍物时，不再只是执行简单的左转或右转规则，而是可以通过视觉语言模型去理解障碍物的语义，比如这是静态路障还是一个正在移动的人或机器人，从而做出更接近人类的决策。

🏃 为什么一定要让机器人跑马拉松？

马拉松本质上是一个暴露短板的过程：我们在设计这个题目的时候，并不知道是不是所有机器人都能完成，但正因为这样，它才有价值！它把原来实验室里的标准环境，变成了一个真实的、复杂的、充满不确定性的世界。

你要看的是，机器人能不能把在实验室里训练出来的速度、效果、智力，真正迁移到现实环境中去。这本质上是在考验它的泛化能力！

全产业链能力的体现：这件事不是单一能力的比拼，而是一个全产业链能力的体现。过去几年，很多厂商其实是在买产业链上的标准化零部件，但标准品的二次优化空间是有限的。

现在你会看到，越来越多厂商开始自研核心零部件，不只是做“大脑”，也在往上游走，根据自己的应用场景去反向定制供应链。

能力溢出效应：当你的整体能力提升之后，就会产生能力溢出。有的溢出体现在工厂场景，比如手部操作和大脑决策能力，有的溢出体现在马拉松这种场景，就是下肢运动能力、全身平衡能力以及复杂环境适配能力。

失败同样重要：不只是第一名值得关注，那些在比赛中摔倒的机器人，其实同样重要！因为这些失败会产生大量“负样本”数据，而这些数据，对于系统的快速迭代和能力提升，是非常有价值的。

跑得快的价值：跑得快这件事有一个关键指标，就是峰值速度。这个峰值速度是一个理论值，因为在真实环境里一定会打折扣。你有热管理、电池这些约束，不可能一直以峰值速度去跑，整体系统也坚持不住。

跑得快的价值在于，我的能力上限在哪里。就像在工厂里，可能不需要跑得特别快，但在搜救场景中，你是需要和时间赛跑的。再比如巡检，移动速度越快，效率就越高。所以不同场景，对速度的需求是不一样的。

未来的演化：这种比赛形式本身也会演化！比如可能会出现越野赛、登山赛、城市路面赛，甚至像人类一样区分短距离冲刺和全程马拉松。短距离更考验峰值速度、爆发力和协调性，长距离则更考验续航、热管理，以及核心零部件的耐久性和系统的长期稳定性。

技术进步的本质：每一年，环境更复杂、要求更高，逼着整个行业去提升。通过公开的比赛，让问题更早暴露出来，是一件好事。

机器人界的奥林匹克：这件事还有点像奥林匹克。奥林匹克本质上是在不断挑战人的专项能力极限，而人形机器人跑马拉松也是一样，不管是手臂的负载能力，还是腿部的运动速度，都需要不断去逼近甚至突破极限。而且这个极限，未来很可能会超过人的生理边界！

金句总结：机器人行业的进步，不是在实验室的完美表现，而是在真实世界中摔倒后还能站起来继续奔跑的勇气！

互动问题：你觉得未来5年，机器人能跑赢人类马拉松冠军吗？评论区聊聊你的看法！

引导语：如果这篇文章让你对人形机器人的发展有了新的认识，别忘了点赞支持！也欢迎分享给更多对科技感兴趣的朋友，一起见证机器人时代的到来！