這屆世界人形機器人運動會，實在太出圈了，每天都在刷屏。
而值得注意的是，這次引發關注的不是宇樹，而是一台雙手捂臉、身體前傾、扭著腰狂奔的小機器人：天工Omni。
8月23日運動會首日，400米小型組決賽，天工Omni 45.66秒奪冠。
視訊很快傳開：它雙手捂臉，腰扭得很歡，網友管這叫「嬌羞跑」，說像「拿了個燙手的饃」。
但這事冷下來看，我感覺也沒那麼好笑。
北京人形機器人創新中心的運動控制演算法專家韓剛賽後解釋，跑姿不是工程師設計的，而是機器人在模擬訓練裡一遍遍迭代出來的「最優解」：擺臂幅度小，靠腰扭把握重心，肩部負載低，關節不容易發熱。人類百米跑的標準擺臂，它主動放棄了。捂臉不是害羞，是這麼跑最省力。
第二天更值得看。8月24日，還是天工Omni，400米障礙賽4分11秒44，又一個冠軍。這回它不捂臉了，換上更穩的感知移動策略，繞樁、跨輪胎，一板一眼。
我盯著那兩段視訊看了很久。捂臉跑上了熱搜，繞樁那場沒什麼人看。可廠商真正想讓人看見的是後一場：這台機器繞得開樁，跨得過輪胎，能用了。
8月26日晚100米小型組決賽中，天驕隊天工Omni機器人以11秒98的成績奪冠。
而本屆世界人形機器人運動會上，北京人形共獲獎牌15金、12銀、18銅，獎牌總數第一（資料來源於大會官方公告），34次刷新人類紀錄。
毛寧也在社交媒體上點讚了這一新紀錄。
那麼，這些亮眼成績背後，凝結著那些新技術的探索和思考？
近期世界機器人大會一場論壇上，北京人形機器人創新中心CEO熊友軍系統拆解了北京人形在具身智能領域的技術佈局與生態建設思考，並且和智能紀元AGI等媒體進行了廣泛交流，拆解機器人技術和北京人形商業化的一些新思路。
一個模擬訓練機器人運控的範本
韓剛賽後解釋當中有四個字值得深思：模擬訓練。
一般來說，一個機器人的400米，需要做2000多個控制步；而跑100米當中，每10秒就需要約500個控制步。
以4096平行算力卡進行計算，之前Omni至少要一次完整訓練，背後需要跑數千萬到數百億控制步，總共則要十億起步。但這個工程龐大，無法通過真機數采、動捕等方式進行訓練。
所以，北京人形的解決方案是，通過平行模擬的方式，讓天工Omni在幾小時內就跑完了這些步驟，而且以隨機化和課程學習進行大規模訓練。
但Omni出圈的不是成績，而是它雙臂抬到臉旁、身體大幅前傾的「捂臉跑」。
天工Omni身高約 1.35 米，400米小型組以45.66秒奪冠；同場的天工 Ultra 百米跑出 8.64 秒，比人類世界紀錄還快近 1 秒。
背後主要依靠的是機器人下半身運動控制和全身的平衡感，這與田徑比賽的成績提升有很大關聯。
韓剛的原話是：“一開始我們設計的是正常人百米跑步的模式，但它在模擬裡不斷迭代，學的時候可能感覺捂臉跑比擺臂跑更舒服，所以這是它自己迭代出來的方式。”
那麼，為什麼Omni選擇模擬訓練，而不是強化學習能力，讓運控能力大幅提升？
在我看來有三點：
首先，這種模擬訓練讓試錯成本歸零。
真機上摔倒一次要檢修、要花錢、要等充電；而模擬裡摔倒只是資料裡的一行。機器人能在幾小時內「摔」幾十萬次，把所有詭異的姿態都試一遍——這正是「捂臉跑」能湧現的前提。
其次，這次從平行模擬把「資料飢渴」的演算法喂飽了。
深度強化學習極其吃資料，單機單環境根本跑不動。而GPU物理模擬器需要4096～16384個機器人在一張卡上同時學習，資料吞吐量、算力成本大了幾個數量級，效率高了但成效低了。
所以，韓剛說得最直白：“以前我們會寫方程，去規劃它的每一個動作、描述它每一個狀態，但很多時候你很難寫清楚；強化學習不需要這些，它自己基於資料驅動寫出來。”
因此，團隊給的目標是「跑得快、關節發熱低、少摔」，至於擺臂還是捂臉、昂首還是弓背，全交給最佳化器。而解決從模擬到現實的Gap，手段是域隨機化——訓練時把質量、摩擦係數、電機力矩、通訊延遲、感測器噪聲、地形起伏、外力推搡全部隨機擾動，逼策略在「物理參數不確定」的情況下依然穩健，這樣搬到真機才不會翻車。
最後，我們還是要說，Omni運控裡面並非完全沒有“深度學習”和強化學習技術，而是天工用「模仿學習」做基礎，在大腦中用深度強化學習（Deep RL）實現多層感知，輸入本體感受（關節角度、角速度、IMU 姿態、指令速度等），輸出各關節目標角度。
韓剛對外透露，訓練樣本裡有「採集更高速人類奔跑的資料」，即用人類標準跑姿作參考/起點（類似模仿學習），再讓RL在模擬裡自由迭代。
最終，天工Omni「背叛」了人類的模仿樣本，迭代出了“捂臉跑”。
此外，北京人形機器人創新中心CTO唐劍在採訪中還透露，今年天工機器人本體做了很多最佳化和升級，所有關節都是自研的，扭矩更大、轉速更快，電池能力更強。
“因為高速奔跑的話，需要電池有高倍率，它能瞬間放出巨大的電流，能提供一個很大的扭矩，讓機器人真正能騰空一樣跑起來。此外，還有整個機器人本體構型以及所用的材料要儘量輕量化，讓身體輕、慣性往上提，這樣比較快。演算法層面，跑步姿態、導航和控制，這個是非常難的，都有非常大的迭代和升級，也是我們團隊工程師日以繼夜這個拼出來的成果。”唐劍表示。
唐劍認為，機器人運動能力已經接近人類，甚至超越人類。而具身智能行業的核心卡點，主要是機器人操作的泛化能力、長程複雜任務理解、環境感知和操作物品的能力，而不是單點的幾個任務簡單場景。
對此，北京人形同時發力VLA和世界動作模型（WAM）技術路線，實現更多複雜場景。
“我覺得在比較短的時間內，它還會有更多的提升。所以今年在一些結構化、半結構化的場景裡，大家會看到規模化的落地和常態化的運行。”唐劍稱。
北京人形打造具身智能界的「Android」
上一次北京人形出圈，還是2025年的亦莊人形機器人半馬。
2025年4月19日，北京亦莊半程馬拉松暨人形機器人半程馬拉松上，北京人形機器人創新中心自研的全尺寸人形機器人“天工 Ultra”，以2小時40分42秒，奪得全球首個人形機器人半程馬拉松冠軍，刷新世界紀錄，立下人形機器人運動性能的新標竿。
如今，第二屆世界人形機器人運動會上，天工再度閃耀。
背後的核心支撐，正是北京人形在運動控制與大腦互動兩條技術線上的持續積累與賽場驗證。
熊友軍在演講中用「1234」來介紹北京人形這家剛成立三年的公司。
「1」是一個定位。
北京人形致力於成為全球具身智能領域的領導者，同時，北京人形也是國家地方建立的具身智能和人形機器人創新中心之一（另一個是上海）。其堅信機器人的存在不是為了取代人類，而是為了服務人類。在技術路線上，北京人形堅持技術創新和開源開放。
「2」是兩大開源基座。一是⌈具身天工⌋通用人形機器人平台，二是⌈慧思開物⌋通用具身智能平台，兩者均面向行業開源開放。
「3」是聚焦「3D」場景，指Dirty（髒污）、Dangerous（高危）、Dull（枯燥）三大類場景，圍繞這些場景，北京人形在商業服務、能源運檢、計量檢測、泛電子工業、物流分揀五個方向上推出五大解決方案。
「4」是四個首屆冠軍。北京人形的機器人產品拿過全球首個人形機器人半程馬拉松冠軍、首屆世界人形機器人運動會百米飛人冠軍、首屆世界人形機器人運動會場景賽冠軍、全球首個全自主機器人勇士挑戰賽冠軍。
熊友軍指出，能跑是性能的提升，最能跑是實力的體現，最好用是價值的彰顯。“縱觀人類歷史，生產力範式雖歷經數次變革，但人類始終未能從急難險重的環境中真正解脫。如今，具身智能時代的到來，讓我們不禁追問，這是否是一次重構生產力、重塑生產關係、探索人類文明的新範式的歷史性契機？”
熊友軍指出，當前具身智能行業面臨三大痛點：
一，數采中心和業務模式的重複建設均較嚴重；
二，驗證成本比較高；
三，體系化割裂明顯，各家公司互不相容。具身智能行業需要一個作業系統等級的底座。
因此，北京人形更大的重心不僅是硬體，而是做具身智能行業的“Android”，提供包括開放的通用機器人平台「具身天工」和通用具身智能平台「慧思開物」，以及建構更多的具身智能和人形機器人產業標準。
所以，在我看來，北京人形的更大定位和野心，其實就是定位於具身智能，做華為、蘋果這樣的軟硬一體生態公司。
今年2月，北京人形機器人創新中心完成首輪超7億元市場化融資，投資方包括北京市人工智慧產業投資基金、亦莊國投、北京高精尖基金、華控基金等多家知名投資機構，百度、東土科技等產業方的戰略投資。
熊友軍在WRC會前交流時告訴智能紀元AGI，天工Omni絕不是表演性質的產品，而是希望到工業場景能夠“進廠工作”，關注它的ROI投入產出比，為客戶和社會創造價值。
“這是個產業逐步成熟的重要標誌。中國在具身智能研究和專利佔比都已經超過了其他國家，而中國整體企業快速在國際上面佔一個高地，這是北京人形機器人創新中心該做的事情。”熊友軍表示。(智能紀元AGI)