人形机器人破人类速度纪录：中国机器人竞赛如何成为下一个F1

一段意外走红的机器人竞速视频

近日，一段人形机器人竞速视频在Reddit社区引发热议。视频中，一台人形机器人在冲刺时打破了某项"人类速度纪录"，却同时一头撞坏了赛道旁的电箱——这一"名场面"让整个成绩变得颇具喜剧色彩。

有网友调侃道："不知怎的，撞坏电箱居然也成了这项成就的一部分😂"，还有人开玩笑说应该做个牌子写上"GO AI, STOP MA GO"（AI快跑，妈快停）。虽然充满戏谑，但这段视频背后反映的却是一个正在快速升温的领域：人形机器人的实体运动能力竞赛。

人形机器人（Humanoid Robot）是指具有类人体型、双足行走能力的机器人系统。与工业机械臂或轮式机器人不同，人形机器人的核心价值在于：人类世界的基础设施——楼梯、门把手、工具、通道——都是为人体尺寸和运动模式设计的，因此人形形态被认为是机器人无缝进入人类生活与工作空间的最优解。2023-2025年间，全球人形机器人赛道吸引了超过百亿美元的投资，特斯拉Optimus、Figure AI、1X Technologies等企业与中国的宇树科技、智元机器人等形成了激烈的全球竞争态势。正是在这样的产业热潮下，竞速视频的走红才有了更深层的时代注脚。

中国人形机器人竞赛的崛起

这类竞速活动并非孤立事件。评论区提到了近期在中国举办的北京人形机器人半程马拉松和世界人形机器人运动会，这些赛事正在成为全球行业关注的焦点。

2025年初举办的北京人形机器人半程马拉松是全球首个以人形机器人为参赛主体的长距离耐力赛事，赛程约21公里，考验的不仅是速度，更是续航能力、热管理和长时间运动下的关节磨损控制。世界人形机器人运动会则设置了多个项目，包括短跑、足球、搬运等，更类似于一个综合性的机器人奥运会。参赛队伍涵盖中国多家头部企业（如宇树科技、智元机器人、小鹏铁、开普勒等）以及部分海外团队。

这些赛事由地方政府和产业基金联合推动，背后是中国"具身智能"产业政策的集中发力——多个城市将人形机器人列入战略新兴产业规划，提供土地、资金和人才支持。具身智能（Embodied Intelligence）是指AI系统通过物理身体与真实世界交互来获取智能的范式，区别于纯数字环境中的大语言模型或推荐算法。中国自2023年起密集出台具身智能相关政策，北京、上海、深圳、杭州等城市均发布了人形机器人专项规划。2023年11月工信部印发《人形机器人创新发展指导意见》，提出到2025年实现人形机器人关键技术突破、到2027年形成安全可靠的产业链供应体系的目标，这是全球首个国家级人形机器人顶层规划文件。在政策的强力推动下，竞赛不仅是技术展示平台，更是产业政策效果的公开验证场。

像F1一样的研发孵化器

一位网友的观点颇具洞察力："抛开一些失误不谈，北京人形机器人半马和世界人形机器人运动会，真的很像我当初期待DARPA机器人挑战赛能变成的样子——一个常态化的国际竞赛，像F1那样充当研发孵化器。"

这个类比相当精准。F1赛车运动之所以能持续推动汽车工业进步，正是因为它建立了一套高强度、可重复、公开竞争的测试环境。工程团队在极限条件下迭代技术，许多成果最终下放到民用领域。具体而言，F1的制度设计包含多个关键要素：每年超过20场比赛提供高频迭代机会，严格的技术规则变化迫使团队不断创新，公开竞争创造了透明的技术基准线。涡轮增压、碳纤维单体壳、动能回收系统（KERS）、半自动变速箱等技术均从F1赛场逐步下放到量产车型。如果人形机器人竞赛能建立类似的年度赛历、标准化赛道和统一评判标准，就有可能形成类似的"竞赛—突破—商业化"正循环。

人形机器人竞赛若能形成类似机制，将迫使各研发团队在运动控制、动态平衡、能源效率、实时决策等关键技术上持续突破。

从DARPA挑战赛到常态化国际竞赛

DARPA机器人挑战赛（DRC）曾是机器人领域的标志性事件，但它是阶段性的项目，缺乏持续性。DARPA（美国国防高级研究计划局）于2012-2015年间举办该赛事，总奖金达350万美元，要求机器人在模拟灾难环境中完成开门、爬楼梯、驾驶车辆等复杂任务。赛事的任务设计源于2011年福岛核事故的启示——当时缺乏能在高辐射环境中替代人类执行关阀、清障等操作的机器人。

DRC最终赛于2015年在加州波莫纳举行，韩国KAIST团队的DRC-HUBO以最快时间完成所有任务夺冠，获得200万美元奖金。当年波士顿动力的Atlas、韩国KAIST的DRC-HUBO等机器人在此一战成名，但赛事中机器人频繁摔倒的画面也成为经典"名场面"，暴露了当时双足行走技术的脆弱性。赛后的分析揭示了一个残酷事实：大多数队伍的机器人移动速度不到0.5m/s，远低于人类步行速度，且赛中60%以上的机器人至少摔倒一次。该赛事虽然极大推动了机器人技术发展，但作为一次性项目制赛事，在结束后缺乏持续迭代的竞赛环境，参赛团队也随之分散。十年后的今天，竞赛中的机器人已能以接近人类冲刺的速度奔跑，进步幅度令人瞩目。

相比之下，常态化的国际竞赛能够形成稳定的技术演进节奏。有网友感叹："真希望美国也能多办一些这样的比赛。"这一评论侧面反映出，中国在人形机器人的公开竞技与产业化展示方面，正走在一条相对领先的路径上。

速度纪录的真正技术含金量在哪里？

热闹之余，也有理性的质疑声音。一位网友提出了尖锐的问题：

"认真问一句——机器人打破人类速度纪录，谁在乎？机器人显然可以更快，这从来就不是一个需要争论的问题。"

这一批评切中要害。单纯的"速度超越人类"确实缺乏技术含金量——毕竟轮式机器人早已远超人类奔跑速度。真正有价值的，是人形形态下的双足动态运动能力。

双足行走在控制学上被称为"动态不稳定系统"——人形机器人在行走时本质上处于持续"可控跌倒"的状态。这涉及多个核心技术层面：ZMP（零力矩点）控制确保机器人重心投影落在支撑面内；模型预测控制（MPC）实时计算未来数百毫秒的最优动作序列；全身动力学优化需要同时协调数十个关节的力矩输出。

ZMP是双足机器人领域最经典的稳定性判据之一，由南斯拉夫科学家Miomir Vukobratović在1968年首次提出，定义为地面反力合力矩为零的点——只要ZMP落在机器人脚掌形成的支撑多边形内，机器人就不会倾倒。然而这一方法本质上是静态或准静态的，在高速奔跑场景下，机器人频繁经历完全腾空阶段（即没有支撑面），ZMP理论便不再适用。因此现代高速双足运动更多依赖弹簧倒立摆模型（SLIP）和混合零动力学（HZD）等框架，将跑步视为一系列离散的弹跳事件来建模。

弹簧倒立摆模型（Spring-Loaded Inverted Pendulum, SLIP）将奔跑动物或机器人简化为一个质量块连接一根弹簧腿的系统，将复杂的全身动力学降维为可解析求解的低维模型。该模型之所以有效，是因为它能准确捕捉跑步中的能量存储-释放循环——触地时动能转化为弹性势能储存在腿部"弹簧"中，蹬地时弹性势能释放为动能推动身体前进。混合零动力学（Hybrid Zero Dynamics, HZD）由密歇根大学Jessy Grizzle教授团队在2000年代发展，将双足运动建模为连续动力学（摆动相）和离散事件（触地冲击）交替的混合系统，通过设计虚约束（Virtual Constraints）使系统在低维流形上演化，从而实现稳定的周期性步态。HZD框架已在Agility Robotics的Cassie和Digit等双足机器人上成功验证了高速行走和跑步能力，Cassie曾于2021年创下双足机器人5公里跑步的吉尼斯世界纪录（用时53分钟）。

MPC是一种基于优化的控制方法，其核心思想是在每个控制周期内，利用系统的动力学模型向前预测未来一段时间的状态轨迹，求解一个有约束的优化问题以获得最优控制输入序列，然后只执行第一步，下一周期再重新预测和求解。这种"滚动优化"策略特别适合处理多约束、多变量的机器人控制问题。在人形机器人高速运动中，MPC需要在1-5毫秒内完成一次完整的优化求解循环，这对计算硬件和算法效率提出了极高要求。近年来GPU加速和实时凸优化算法（如OSQP求解器）的发展，使得高频MPC在嵌入式系统上成为可能。

当速度提高时，这些计算的时间窗口急剧缩短——人类以12km/h慢跑时单步支撑时间约300毫秒，而以36km/h冲刺时这一窗口缩短到约150毫秒以下，对传感器响应速度和算法效率提出了极端要求。波士顿动力花了近十年才让Atlas实现稳定跑跳，这足以说明该问题的工程复杂度。

从这个角度看，视频里那次"撞坏电箱"的失误，反而暴露了当前技术在环境感知与避障上的真实短板，比单纯的速度数字更有讨论价值。当机器人以10m/s（36km/h）速度奔跑时，每100毫秒的感知延迟意味着1米的"盲跑"距离。传统的激光雷达（LiDAR）扫描频率为10-20Hz，即每50-100毫秒更新一次环境信息；视觉感知的深度学习推理在边缘计算设备上通常需要30-80毫秒。这意味着在高速运动场景下，机器人对障碍物的反应距离可能需要2-3米以上才能实现安全避障。

人形机器人的感知系统通常需要融合多种传感器模态：激光雷达提供精确的三维点云但体积较大、功耗高；深度相机（如Intel RealSense、Stereolabs ZED）提供密集深度信息但室外强光下性能显著下降；惯性测量单元（IMU）提供高频姿态信息但存在长期漂移。在边缘计算平台（如NVIDIA Jetson Orin、高通RB5）上实时运行多传感器融合和深度学习推理，需要在功耗（通常限制在30-60W）和算力之间取得精密平衡。目前业界正在探索事件相机（Event Camera）等新型传感器——这种仿生视觉传感器只在像素亮度变化时输出信号，具有微秒级响应速度、极低延迟和超高动态范围，特别适合高速运动场景下的障碍物检测。

相比之下，人类运动员在全速冲刺时同样面临反应距离不足的问题（人类视觉-运动反应时间约150-250毫秒），但人类大脑的预测能力和场景理解能力远超当前AI系统。视频中机器人撞上电箱，很可能就是感知延迟加上缺乏预测性路径规划的综合结果。

机器人在全速奔跑时能否同时处理周围环境信息、做出实时避让决策，是一个比"跑多快"更有意义的技术指标。

营销驱动还是技术突破？

还有网友直言这些活动是"中国公司的营销手段"，并特别点名了宇树科技（Unitree）的上市动向。这一观点提醒我们：机器人竞赛的火热，与背后企业的商业化、资本化进程密切相关。

宇树科技成立于2016年，总部位于杭州，是中国人形机器人和四足机器人领域的头部企业之一。其产品线从早期的四足机器狗（如Go1、B2）扩展到人形机器人（如G1、H1），以相对较低的价格和开源友好策略在全球市场迅速扩张。2024-2025年间，宇树科技启动IPO进程，估值一度突破数十亿美元。公司的商业策略高度依赖社交媒体传播和公开竞技展示，其机器人翻跟头、跑步的视频多次在全球社交平台刷屏，形成了"技术展示即营销"的独特模式。

宇树科技等公司通过高曝光度的竞技表演，既展示了技术实力，也为融资、上市和市场推广铺路。技术展示与商业营销在这里高度交织，观众需要保持一定的辨别力——一段精心剪辑的竞速视频所呈现的，未必是该机器人在日常场景中的真实可靠性。

当机器人比人类更快更强：安全伦理不容回避

视频引发的另一类反应带有半开玩笑的严肃性。有网友表示："我们能不能干脆别把机器人造得比人类还强？万一有一台开始追我，我还想能跑得掉呢！"另一人附和："没错😭 我想保留'从机器人身边逃跑'的选项。"

虽然是玩笑，但这触及了人形机器人发展中一个不容回避的议题：当机器人的物理能力全面超越人类时，安全边界如何设定？

从赛道上撞坏电箱这样的失控瞬间，到未来更复杂场景中的行为可控性，机器人的运动能力越强，对其安全机制、紧急停止（E-Stop）和行为约束的要求就越高。紧急停止是工业机器人领域最基本的安全机制，但在高速移动的人形机器人上实现可靠E-Stop极具挑战。传统工业机器人固定在原地，断电即停止；而高速奔跑中的人形机器人如果瞬间断电，巨大的惯性会导致不可控的倒地或抛射，反而可能造成更大的安全风险。

这要求设计"安全停止序列"（Safe Stop Sequence）——机器人在收到停止指令后，先减速、降低重心、再安全着地。具体而言，这是一个多阶段过程：第一阶段为感知触发（检测到碰撞风险或收到E-Stop指令），需在10毫秒内完成信号传递；第二阶段为减速规划，机器人切换到最大制动步态，利用脚底摩擦力和关节阻尼进行减速；第三阶段为安全着陆，机器人降低重心并采取保护姿态（类似人类运动员的防护性滚翻）。整个序列需要在机器人的动能完全耗散前完成——对于一台70kg、以10m/s奔跑的机器人，其动能约3500焦耳，相当于从5米高处自由落体的能量，必须在2-3步（约1-2秒）内安全释放。

ISO 13482:2014是全球首个专门针对个人护理机器人的安全标准，涵盖移动服务机器人、物理辅助机器人和载人机器人三类。该标准要求机器人必须具备危险识别、风险评估和风险降低的系统化设计流程，并规定了保护性停止功能的性能要求。然而该标准制定时（2014年），高速移动人形机器人尚未出现，因此对于以超过20km/h速度移动的人形机器人的安全要求存在显著空白。目前IEEE和ISO正在制定新的补充标准（如ISO/TC 299工作组的相关草案），针对高动态机器人的安全停止、碰撞力限制和人机安全距离等做出更具体的规定。在标准完善之前，各企业主要依靠内部安全测试协议和场地隔离措施来管控风险。

视频中撞坏电箱的事故，正是缺乏有效减速-避障联动机制的典型案例。这不是杞人忧天，而是产业规模化落地前必须解决的工程与伦理问题。

喧闹背后的三重技术信号

一段带着喜剧色彩的"撞电箱"视频，意外地折射出人形机器人领域的多重现实：

• 技术层面：人形机器人的双足运动能力正在快速提升，但环境适应与避障能力仍是明显短板。高速运动中的实时感知-决策-执行闭环，仍然是从实验室到真实世界落地的最大瓶颈之一。从ZMP控制到基于SLIP和HZD的现代运动框架，从LiDAR感知到事件相机和视觉推理，每一个环节的延迟都在高速场景下被急剧放大。
• 产业层面：以中国企业为代表的公司正通过常态化竞赛构建类似F1的研发孵化生态，同时也不乏营销意图。竞赛、资本、技术三者的螺旋上升正在重塑全球人形机器人的竞争格局。从DARPA DRC的一次性项目到年度常态化赛事，竞赛形态的进化本身就反映了产业成熟度的提升。国家级产业政策的加持使得这些赛事具有了技术验证和政策宣示的双重功能。
• 伦理层面：关于"机器人是否应该在物理上全面超越人类"的讨论，虽以玩笑开始，却指向了真实的安全命题。从E-Stop设计到安全停止序列的工程实现，从ISO 13482到正在制定中的高动态机器人安全规范，安全工程必须与运动能力的提升同步发展。一台能以36km/h奔跑的机器人，其制动距离、碰撞力和失控后果都需要经过严格的量化评估。

无论这些赛事的动机中有多少营销成分，它们客观上正在推动人形机器人技术从实验室走向公开竞技场。而每一次"翻车"，或许都比一次完美的数字纪录更能揭示技术的真实边界。