8月26日，第二屆世界人形機器人運動會在北京落幕。本屆賽事最引人注目的變化，是徑賽專案全面轉向“全自主”模式——機器人不再依賴遙控器，而是自行完成感知、規劃與動作控制。
在100米大型組決賽中，天工Ultra以8.64秒的成績奪冠，大幅超越博爾特9.58秒的人類百米世界紀錄。而上一屆賽事中，天工Ultra的奪冠成績還是21.50秒——一年之內，機器人的百米用時縮短了超過一半。不過，高速衝過終點後，多台機器人徑直撞向緩衝墊，還有機器人在倒地後被擔架抬離賽場。
另一個“名場面”出現在400米小型組：北京人形機器人創新中心的天工Omni雙臂抬到臉旁、身體大幅前傾，以“捂臉狂奔”的姿勢衝過賽道。這兩個看似無關的場景，背後是同一個趨勢：參賽機器人正在從“被遙控”走向“全自主”。
根據賽事規則，本屆運動會將400米、1500米和4×100米接力等徑賽全部升級為“全自主”賽項；障礙賽則取消依據操作方式計算成績的係數，直接考察機器人在複雜路況下的通過能力。這意味著，人不再持續下達每一個動作指令，而是給出整體目標，機器人需要自行決定如何奔跑。
北京人形機器人創新中心運動控制演算法專家韓剛介紹，機器人頭上會頂一個雷達，並有全域性定位系統，從而即時知道自己的位置、自行規劃路線。去年，一些廠商採用巡線跑策略，靠電機本體反饋被動探路；但今年速度更快、競爭更激烈，這一模式已不適用。今年的模式變成人給出目標，機器人自行組織動作。天工Omni的“捂臉跑”就是機器人在模擬中不斷迭代出來的結果——它可能覺得“捂臉跑”比擺臂跑更舒服。韓剛說，人在跑步時擺臂是為了保證角動量平衡，機器人和人很像，也需要通過身體某處的轉動來保持平衡。此次整個田徑競速都要求採用自主模式，團隊只下達奔跑指令，導航、避障、停止等都由機器人自行完成。
更復雜的檢驗來自100米障礙賽。相比在規則跑道上確定位置並沿線前進，障礙賽要求機器人根據地形即時改變動作。面對台階、窄通道和起伏路面，機器人要在高速行進中連續完成繞障、越障和通過受限空間，同時兼顧機動、平衡、感知導航與全身姿態調整。8月24日晚，智元靈犀X2奪得該專案金牌。智元方面稱，靈犀X2以量產版本參賽，沒有改裝本體，引入視覺感知，並基於AGILE生成式通用小腦引擎框架進行自主或半自主決策，引數辨識用於縮小模擬與現實的差距。
當機器人從直線跑進入彎道，問題會進一步複雜。轉彎需要增加橫向力和身體旋轉，機器人要改變腳的落點，同時調節軀幹傾角、手臂和腰部運動，抵消全身旋轉產生的角動量。北京人形機器人創新中心人形部負責人郭宜劼表示，人形機器人高速奔跑時，過彎規範和自主導航已經與摩托車比較接近。這意味著過彎不是簡單改變方向，而要同時處理身體前傾、重心下降、關節輸出和路線控制，任何一個環節銜接不穩都可能導致摔倒。因此，“不會拐彎”是人工遙控退出後才會充分顯現的問題，機器人必須獨立完成從感知到動作的閉環，短板無法再由場外操作員補償。
在400米大型組決賽中，郭宜劼觀察到，對手的機器人起步更快，天工的起步加速相對較慢，但極速更高，最終依靠後半程提速完成反超。機器人需要自己決定起步、加速、極速和過彎怎樣分配時間。既然高速過彎困難，最直接的辦法似乎是提前減速，但減速意味著時間損失，這是個需要取捨的問題。此外，機器人能否在高速中判斷何時開始減速、把速度降到什麼程度，並讓關節與全身姿態同步響應，仍是難點。
2025年末釋出的一項人形機器人高速越障研究指出，與始終至少有一隻腳接觸地面的行走相比，奔跑對峰值功率、落地衝擊、狀態估計和接觸條件都提出了更高要求。不同速度還對應不同的支撐時間、騰空時間和肢體擺動策略；如果落腳時機或支撐時間選擇不當，機器人可能出現腿部過度伸展、打滑或失衡。
有參賽廠商告訴《每日經濟新聞》記者，現場機器人跑到最後就倒了，實際上是賽場距離受限、安全起見只能設定泡沫牆。若有足夠距離，機器人完全可以站穩。這也解釋了賽道終點為什麼需要設定緩衝墊——競賽追求最短用時，讓機器人撞上緩衝裝置，可以把減速過程交給外部設施，減少成績損失。但在工廠、商場或家庭裡，機器人顯然不能依賴終點緩衝墊停止，賽場評價與產業評價由此開始分岔。
競技比賽測試的是機器人單項能力的上限，真實部署考驗的則是系統能力下限。長期來看，機器人不僅要偶爾完成一次高速奔跑，還要能夠判斷什麼時候應該慢下來，在人和障礙物隨時出現的環境中穩定停止，並在反覆執行後保持相近表現。一台經過高強度除錯的機器人跑出極限成績，與一批機器人在不同地面、不同溫度和不同負載下長期穩定工作，是兩種不同能力。
首程控股資本市場部總經理康雨指出，田徑賽也並非不與應用掛鉤。“可以把機器人運動會理解為一場公開聚光燈下的極限可靠性測試。賽場上會暴露各種各樣的故障，跑400米之後動力耗盡、彎道摔倒、零部件損壞等。現實生活環境裡同樣會遇到彎道、顛簸、意外磕碰。賽場暴露出來的可靠性問題，正是現實應用中必須解決的風險。賽場的極限測試，本質就是為機器人未來進入生產生活做準備。今年產業進步超預期，但距離成熟落地，仍然還有很長的路。”
從今年自主模式增加可以看出，人形機器人的競爭正在從單一本體效能展示，轉向感知、導航和全身控制的系統比拼。下一步並不是簡單提高直線速度，而是讓機器人在高速下仍能自主轉彎、越障和停止，並把偶爾成功的極限動作變成可重複的穩定能力。
在郭宜劼看來，機器人能超越人類的紀錄，說明人形機器人隨著本體技術和小腦能力的不斷成熟，在某些身體控制或運動能力上已經可以超越人類。“未來我們也是希望不斷的把它（機器人）的小腦能力開發得更加（成熟），能夠去做各種各樣人才能完成的全身複雜動作。”以跑步和跳高為例，郭宜劼直言，這兩項分別對應的是人形機器人的“泛化移動能力”和“全身動作模仿能力”。“一個解決的是怎麼去人能去的任意一個地方，另一個解決的是怎麼做人能做的任意複雜動作。如果這兩項核心能力搭建完成，那它就相當於一輛能讓人隨心所欲駕駛的汽車。未來，隨著對其大腦的開發，它又將會變成一輛能自動駕駛的汽車。”
運動會上，機器人已經開始自己選擇跑姿、規劃路線，但距離在複雜環境中隨心所欲地行動仍有很長的路。業內人士曾介紹，去掉遙控器，在一定程度上相當於讓機器人的“大腦”來自主決策並控制身體來執行任務，機器人需要一個聰明的、符合物理規律常識的“大腦”，需要完成對現實生活中各類複雜環境的深層次理解和長週期任務的規劃推理，並且能夠遷移到不同的場景環境，完成各類泛化任務。
Arm物理AI機器人技術研究全球負責人Federico Pecora向《每日經濟新聞》記者介紹，從產業發展趨勢來看，機器人能力演進正在經歷三個階段。第一階段是跨物件泛化，即機器人能夠在同一任務流程中處理不同型別的物件，而無需針對每個物件重新訓練或程式設計，這一能力目前已在分揀、物流、零售等結構化場景中得到驗證。第二階段是多工智慧，統一智慧平台支援多種任務執行，機器人不再服務於單一固定工作流，而是能夠根據任務需求切換不同能力組合。第三階段則是實現系統級自適應，屆時，無論是終端使用者還是機器人自身，都能夠根據環境變化完成能力調整，而無需重新開發、訓練或部署系統。
“泛化能力的商業價值在於顯著降低機器人適配和部署到新場景、新流程及新任務的成本與複雜性。”Federico Pecora介紹，泛化能力被視為推動機器人技術實現規模化落地的關鍵能力。其中，泛化能力的第一層級，是實現軟體、模型與技能的跨任務複用，更高階的泛化能力，可以讓工廠操作人員、商超管理人員、機器人操作人員這類終端使用者，通過演示或者語言指令提示，完成機器人的自適應配置。在最高成熟度階段，機器人可以實現完全由環境上下文驅動的自主自適應。這能夠大幅降低系統整合成本，拓寬機器人系統可覆蓋的用例範圍。