OmniXtreme 开源：教宇树机器人连续后空翻、街舞和倒立

OmniXtreme 是一个开源的人形机器人高难度动作控制框架，能让类人机器人流畅做出连续后空翻、街舞、手倒立和武术等极端动作，而且不需要给每个动作单独写一套控制器。

项目由北京通用人工智能研究院与宇树科技联合研发，代码和预训练权重已经全部开源在 GitHub 上，手头有宇树机器人的开发者可以直接部署测试。

它能做什么

以往人形机器人在舞台上表演功夫或翻滚，大多依赖针对单一动作序列过拟合的特定控制器，动作库一旦扩大，策略往往会因为优化冲突而退化。

OmniXtreme 则用一个统一策略掌控多样化的极限动作库。在宇树 Unitree G1 机器人上，系统能顺畅衔接连续两个后空翻、单腿起跳翻转、手倒立平衡以及贴地街舞动作。

在 157 次真实物理测试中，OmniXtreme 展现出了相当扎实的成功率。翻转类动作测试了 7 种，成功率达到 96.36%；武术类动作测试了 3 种，成功率为 93.33%。

手翻动作测试 5 种，成功率为 88.57%；街舞动作测试 5 种，成功率为 86.36%；4 种杂技类动作的成功率也达到了 80.00%。

怎么做到的

让单一大脑学会几十种高难度动作还不烧电机，OmniXtreme 把问题拆成了两步。

第一阶段是仿真环境中的大规模预训练。团队先训练多个单独擅长特定技能的「动作跟踪专家」，再利用流匹配方法把这些专家的能力蒸馏合并进一个统一的高容量策略中，避免了传统强化学习在动作增多时的梯度干扰。

第二阶段是硬件感知的后训练。模型在仿真里动作再漂亮，真机电机的扭矩速度曲线和瞬时过流也会把动作打回原形。

研究团队在这个阶段冻结了预训练的主策略，只在外层增加一个轻量级的 MLP 残差策略。它负责微调输出，加入扭矩速度限制和功率安全正则化，确保动作在现实物理约束下安全执行。

对于空翻这种冲击性动作，严格限制电机的力矩与转速即可稳定落地；面对街舞这种频繁接触地面的复杂动作，则结合了激进的域随机化与安全惩罚，帮机器人挺过落地时的巨大制动负荷。

怎么上手与硬件限制

目前该项目已在 GitHub 上公开了模型 checkpoint 与评测代码，官方演示与验证硬件为宇树 Unitree G1。

不过，现实物理差距并没有被彻底消除。团队也明确指出了局限：在极高冲击的剧烈着地瞬间，瞬时负载依然有可能触发电池欠压保护或电机过流保护，这是当前物理仿真器尚未完全建模的部分。

测试时最好在有防摔保护绳或缓冲垫的环境中进行，避免直接在硬质地面上硬砸损坏硬件。

为什么重要

如果你手头有宇树 G1，或者正在做人形机器人全身运动控制，OmniXtreme 非常值得拉下来跑跑看。相比英伟达的 SONIC 和亚马逊的 OmniRetarget 等方案，它给出了一套把通用动作生成和硬件底层保护解耦的清晰范式，证明了单一策略完全可以撑起庞大而激进的动作库，不再需要给每个特技动作硬调一套参数。

但普通开发者也要保持理性。机器人在软垫上做后空翻固然吸引眼球，但高冲击动作对减速器和电机的寿命损耗依然客观存在。我们认为，OmniXtreme 最大的价值不在于让机器人去参加杂技比赛，而在于把极端动态边界摸透之后，沉淀下来的抗冲击控制与过载保护机制，这些才是人形机器人未来走进复杂工业场景真正需要的通用底座。