OmniXtreme 開源：教宇樹機器人連續後空翻、街舞和倒立

OmniXtreme 是一個開源的人形機器人高難度動作控制框架，能讓類人機器人流暢做出連續後空翻、街舞、手倒立和武術等極端動作，而且不需要給每個動作單獨寫一套控制器。

專案由北京通用人工智慧研究院與宇樹科技聯合研發，程式碼和預訓練權重已經全部開源在 GitHub 上，手頭有宇樹機器人的開發者可以直接部署測試。

它能做什麼

以往人形機器人在舞臺上表演功夫或翻滾，大多依賴針對單一動作序列過擬合的特定控制器，動作庫一旦擴大，策略往往會因為最佳化衝突而退化。

OmniXtreme 則用一個統一策略掌控多樣化的極限動作庫。在宇樹 Unitree G1 機器人上，系統能順暢銜接連續兩個後空翻、單腿起跳翻轉、手倒立平衡以及貼地街舞動作。

在 157 次真實物理測試中，OmniXtreme 展現出了相當紮實的成功率。翻轉類動作測試了 7 種，成功率達到 96.36%；武術類動作測試了 3 種，成功率為 93.33%。

手翻動作測試 5 種，成功率為 88.57%；街舞動作測試 5 種，成功率為 86.36%；4 種雜技類動作的成功率也達到了 80.00%。

怎麼做到的

讓單一大腦學會幾十種高難度動作還不燒電機，OmniXtreme 把問題拆成了兩步。

第一階段是模擬環境中的大規模預訓練。團隊先訓練多個單獨擅長特定技能的「動作跟蹤專家」，再利用流匹配方法把這些專家的能力蒸餾合併進一個統一的高容量策略中，避免了傳統強化學習在動作增多時的梯度干擾。

第二階段是硬體感知的後訓練。模型在模擬裡動作再漂亮，真機電機的扭矩速度曲線和瞬時過流也會把動作打回原形。

研究團隊在這個階段凍結了預訓練的主策略，只在外層增加一個輕量級的 MLP 殘差策略。它負責微調輸出，加入扭矩速度限制和功率安全正則化，確保動作在現實物理約束下安全執行。

對於空翻這種衝擊性動作，嚴格限制電機的力矩與轉速即可穩定落地；面對街舞這種頻繁接觸地面的複雜動作，則結合了激進的域隨機化與安全懲罰，幫機器人挺過落地時的巨大制動負荷。

怎麼上手與硬體限制

目前該專案已在 GitHub 上公開了模型 checkpoint 與評測程式碼，官方演示與驗證硬體為宇樹 Unitree G1。

不過，現實物理差距並沒有被徹底消除。團隊也明確指出了局限：在極高衝擊的劇烈著地瞬間，瞬時負載依然有可能觸發電池欠壓保護或電機過流保護，這是當前物理模擬器尚未完全建模的部分。

測試時最好在有防摔保護繩或緩衝墊的環境中進行，避免直接在硬質地面上硬砸損壞硬體。

為什麼重要

如果你手頭有宇樹 G1，或者正在做人形機器人全身運動控制，OmniXtreme 非常值得拉下來跑跑看。相比輝達的 SONIC 和亞馬遜的 OmniRetarget 等方案，它給出了一套把通用動作生成和硬體底層保護解耦的清晰範式，證明了單一策略完全可以撐起龐大而激進的動作庫，不再需要給每個特技動作硬調一套引數。

但普通開發者也要保持理性。機器人在軟墊上做後空翻固然吸引眼球，但高衝擊動作對減速器和電機的壽命損耗依然客觀存在。我們認為，OmniXtreme 最大的價值不在於讓機器人去參加雜技比賽，而在於把極端動態邊界摸透之後，沉澱下來的抗衝擊控制與過載保護機制，這些才是人形機器人未來走進複雜工業場景真正需要的通用底座。