宇树科技（Unitree）近日宣布开源其最新研发的人形机器人运动控制架构OmniXtreme，并同步发布由创始人王兴兴主导的技术研究论文。该架构聚焦于解决人形机器人在春晚等高动态场景中执行极限动作时面临的两大核心挑战：海量动作库的精准复现与物理环境中的实际落地稳定性。通过创新性的双阶段训练框架，OmniXtreme成功突破了传统运动控制技术的瓶颈。
在技术实现层面，OmniXtreme采用分层优化策略。第一阶段通过流匹配预训练技术，将分散于不同专家策略中的高难度动作（如后空翻、武术动作、街舞动作）统一整合至生成式模型中。该技术通过构建速度场路径模型，有效避免了多任务强化学习过程中常见的梯度冲突问题，使机器人能够同时掌握多种复杂技能。第二阶段则引入执行器感知后训练机制，结合残差强化学习与电机物理特性建模，使机器人能够根据电机扭矩、转速等实时参数进行动态调整，确保动作执行既符合物理规律又保持高保真度。硬件验证数据显示，基于Unitree G1机器人平台的测试中，OmniXtreme架构实现了96.36%的后空翻成功率，同时将端到端推理延迟压缩至10毫秒级别。这一成果得益于架构对电机再生功率的精准计算与动态补偿能力，使机器人在高速运动中仍能保持身体平衡。技术团队特别强调，该架构通过力矩-转速包络线建模技术，首次实现了对电机物理极限的量化感知，为机器人运动控制提供了新的理论支撑。
此次开源不仅展示了流匹配技术在具身智能领域的扩展潜力，更推动人形机器人技术从单一技能演示向通用化运动能力发展。通过公开核心算法与训练框架，宇树科技为行业提供了可复用的技术范式，特别针对复杂物理环境中的稳健控制问题给出了创新解决方案。该架构的开放特性将加速全球开发者在机器人运动控制领域的技术迭代，为具身智能的产业化应用奠定基础。
