中国科研人员在机器人运动控制领域取得突破。北京通用人工智能研究院（Beijing Institute for General Artificial Intelligence，简称BIGAI）近日发布了一款名为OmniXtreme的新型人形机器人运动框架，使机器人能够以超90%的成功率完成连续后空翻、托马斯全旋、霹雳舞等高难度、高动态的极限动作，解决了行业内在统一策略下控制多种复杂动作的难题。

据国内媒体CGTN报道，该研究成果于本周一（3月2日）发布。OmniXtreme框架的核心优势在于，它能够通过单一算法控制多种复杂动作，极大地提升了训练机器人掌握高级物理技能的效率。这意味着机器人不再需要为每一个单独的动作分别训练模型，而是具备了一种更通用的运动能力。

在实验中，研究团队使用了宇树科技的G1人形机器人来测试该框架。这款机器人在OmniXtreme的驱动下展现了惊人的“才艺”：它不仅展示了霹雳舞和B-boy地板动作，还能流畅地完成一连串快速的后手翻。更令人印象深刻的是，它成功实现了五次连续的后空翻、交替进行的单腿深蹲（手枪深蹲）、前滚翻、旋风腿、侧手翻等。除了舞蹈类动作，机器人还完成了俯卧撑和多个武术攻击组合套路，展示了其身体的卓越协调性和动态控制能力。

实现高度协调的动态动作一直是机器人行业的重大挑战。传统上，研究人员使用强化学习来教导机器人执行复杂动作，但随着动作数量的增加，控制难度呈指数级增长。该研究的通讯作者之一黄思远在社交媒体上解释了这一难点：“目前我们看到的大多数高动态极限动作，都是由过拟合的跟踪策略执行的。而训练一个能够以高成功率执行多种极限运动的统一策略，此前一直是一个未解决的挑战。”

OmniXtreme框架正是为了解决这一难题而设计。它摒弃了传统的从零开始的单一策略学习方法，转而采用一个两阶段的学习框架，旨在成为一个通用型的运动策略。

该框架分为两个阶段：

1. 预训练阶段：通过一种名为“DAgger-based Flow Matching”的方法，汇集来自多个运动跟踪专家的多样化动作先验知识，训练出一个统一的基础策略。

2. 后训练阶段：在基础策略冻结的基础上，对残差策略进行优化。此阶段会加入严格的电机约束、广泛的领域随机化以及功率安全正则化，以弥合仿真环境与现实世界之间的差距（即“仿真到现实的迁移”问题），确保机器人在实际运行中既能完成高难度动作，又能保持稳定和安全。

BIGAI表示，基于OmniXtreme框架的系统在多个高动态任务中已实现了超过90%的成功率。这一成果为未来人形机器人掌握更复杂的通用技能奠定了基础。相关研究论文已于2月27日发表在预印本平台arXiv上。