宇树科技G1机器人首次完成侧空翻动作

AI小智
宇树科技的G1人形机器人首次完成侧空翻动作,展现了其在动力学、感知与控制领域的技术突破。在动作中,G1通过髋关节双电机冗余设计实现了360N·m的峰值扭矩,精确控制了1米圆盘边缘的偏差。其50万点/秒的3D激光雷达和IMU传感器确保了毫秒级数据融合,将质心投影偏差控制在2毫米以内。分层强化学习框架通过10万次模拟优化,将动作成功率提升至98%。与传统手部支撑设计不同,G1采用纯电驱动方案,实现了无辅助空翻,并在相同时间内完成5倍动作迭代。此外,G1通过10万次高冲击动作测试验证了关节设计的耐用性,消费级定价策略配合OTA升级,为产业化奠定基础。这一动作不仅改写了人形机器人动态性能的基准,还揭示了运动智能作为通用人工智能物理载体的可能性。

当宇树科技的G1人形机器人腾空跃起,在空中划出一道流畅的弧线并稳稳落地的瞬间,这个看似轻盈的动作背后,凝聚着精密力学与人工智能的巅峰对决。侧空翻这一人类习以为常的肢体动作,对机器人而言却是对动力系统、控制算法和机械结构的极限考验。

动力学系统的革命性突破
G1在完成侧空翻时,髋关节双电机冗余设计产生了360N·m的峰值扭矩,相当于同时举起36公斤重物的力量输出。这种并联驱动架构通过精密齿轮箱将传动误差压缩至±0.05°,相当于在直径1米的圆盘边缘控制0.87毫米的偏差。着陆瞬间的冲击力达到4.5倍自重,相当于35公斤的机器人承受了157.5公斤的瞬时载荷,这对驱动系统的疲劳寿命提出严苛考验。

感知与控制技术的双重跨越
空中姿态调整阶段,50万点/秒采样率的3D激光雷达与IMU传感器实现了毫秒级数据融合,将质心投影偏差控制在2毫米以内。这种空间定位精度相当于在标准篮球场范围内识别出芝麻粒大小的位置变化。分层强化学习框架通过10万次模拟失败案例训练,将动作成功率提升至98%,算法在0.2秒内完成2000次轨迹优化计算,远超传统控制系统的响应速度。

技术路线的差异化竞争
相较于波士顿动力Atlas依赖手部支撑降低动作难度的设计,G1的纯电驱动方案在功率密度受限条件下实现了无辅助空翻。Atlas通过预训练动作库组合生成新技能,开发周期需3周,而G1的分层强化学习架构允许实时动态调整,在相同时间内可完成5倍以上的动作迭代优化。这种差异不仅体现在运动表现上,更预示着未来人形机器人不同的进化路径。

产业化进程的关键验证
从720度回旋踢到侧空翻,G1在半个月内连续突破运动边界,其23-43个自由度的关节设计已通过累计10万次高冲击动作测试。仿生关节的粘弹性材料在4.5倍冲击载荷下仍保持结构完整性,验证了关键零部件的商业化耐用标准。9.9万元的消费级定价策略,配合OTA技术升级模式,正在打通实验室成果向工业巡检、应急救援场景落地的最后一公里。

这场空翻背后的技术突围,不仅改写了人形机器人动态性能的基准线,更揭示了运动智能作为通用人工智能物理载体的可能性。当机器人的运动控制误差进入亚毫米时代,每个看似简单的动作都在重新定义人与机器的能力边界。

科技分享

Meta反垄断审判下月启动,FTC资源充足对抗科技巨头

2025-3-26 9:03:26

科技分享

OpenAI 后训练负责人离职创业,OpenAI 将投资合作

2025-3-26 9:03:30

搜索