人形机器人百米8.86秒，一个月极限改造如何实现？
极简科技
2026年8月25日，北京国家速滑馆“冰丝带”，天工Ultra人形机器人在100米复赛中以8.86秒撞线。这个数字比博尔特9.58秒的人类百米世界纪录快了0.72秒，比它自己在三天前预赛跑出的9.39秒又砍掉了半秒多。
多台人形机器人在赛道上全速奔跑竞速
半秒，在百米短跑里是一道鸿沟，而跨越这道鸿沟的，不是单纯地把马达拧大，而是一场赛前紧急启动的硬件-算法协同手术。
这件事的起点，不是关节扭矩升级。今年整个行业关节扭矩从300牛·米跳到800牛·米，是本届赛事的年度级底座，属于大家都能用上的“公共升级”。真正让天工Ultra从能跑到能跑进9秒的，是赛前一个月针对百米项目的那场定向改造。
一个月前，天工Ultra的极速还在每秒7米左右。这个速度放到去年，已经是顶尖水平，但对于今年要冲击9秒的目标，不够。
技术团队做的第一件事，是给机器人“动手术”：整机减重，但减重的同时不能牺牲结构强度——高速奔跑时机械结构承受的冲击力远非低速可比，髋关节是受力最大的部位，必须针对性强化。
同时，外型做了破风设计降低风阻，配套了百米赛段专属的散热系统，保证关节在满负荷输出时不会因为过热降功率。
这就像你有一台发动机功率已经够大的车，但在跑直线加速赛之前，还要拆掉多余的内饰减重、加强悬架承受冲击、优化进气散热。硬件先撑住，算法才敢往上加。
算法不是“写”出来的，是摔出来的
硬件改完，算法接棒。天工Ultra的运控逻辑基于“慧思开物”平台，核心训练方式不是工程师手写步态方程，而是强化学习：在仿真环境里给机器人一个目标——“跑得快”，然后让它自己一遍遍试，摔了再爬起来，表现好了给奖励，表现差了给惩罚。
这种训练方式跟同队的天工Omni机器人“悟”出捂脸跑是一个道理——工程师一开始给Omni设的是标准摆臂跑姿，但机器人在数据迭代中自己发现，捂脸跑能让肩部少发热、重心更靠前，反而跑得更快。
针对百米赛，算法强化的方向非常明确：起步加速和直线加速。400米和1500米要死磕弯道速度和节奏，100米不需要，100米要的就是从静止到极速的那段爆发力，以及极速状态下的步态稳定性。
多台人形机器人在赛道起跑线就位等待发令
同时，导航能力也升级了——去年机器人还要低头看赛道线才能不跑偏，今年通过定位建图，天工Ultra能在高速状态下不依赖赛道线精准保持在赛道内，这意味着视觉系统不用再低头找线，全力服务于前方感知。
弥合仿真到真机的迁移鸿沟，是运控领域最难啃的骨头。仿真环境里机器人的关节响应是完美的，地面是平整的，传感器没有噪声。搬运到真机上，关节摩擦力、电机响应延迟、地面微小的不平整，每一项都会让仿真里的完美步态崩掉。
算法团队做的就是不断缩小这个差距，让仿真里训练出来的极速能力，能尽可能原封不动地搬到赛场上。用天工团队专家的话说，“这方面掌握得越来越好的话，机器人也会越跑越快”。
三条命，一击必杀
硬件和算法协同就位后，比赛策略也扮演了关键角色。天工团队在预赛阶段跑出9.39秒，复赛阶段跑出8.86秒。这种策略本质上是在用比赛场景做最后的极限验证——如果预赛就拉满，一旦失控摔倒，连复赛的机会都没有。
人形机器人运动会决赛项目成绩列表公示
已知的那0.5秒提升，公开信息只指向一个动作：放开速度限制。
这个8.86秒，意味着什么，不意味着什么
需要说清楚的是，这个成绩是特定场景下的极致产物，不是通用能力的证明。它依赖三个条件同时成立：标准平整的室内跑道、针对百米直线加速的专项软硬件优化、以及赛前已完成的场地定位建图。
同属行业第一梯队的宇树科技，参赛机型具备相近的通用硬件底座，但没有做百米专项优化，最终跑出12.41秒，进不了9秒区间。同组的风火闪电队跑出9.47秒，差一点但没达标，大概率也是专项调优程度不够。
宇树科技发布海报预祝本次运动会圆满成功
多名具身智能研究者也明确指出，这类成绩属于特定场景下的Demo级表现，当前人形机器人的具身模型泛化能力严重不足——只学过标准跑道场景的机型，一旦切换到没见过的环境或任务，成功率趋近于零。
同一个场馆里，能跑进9秒的机器人在旁边的灵巧手专项赛上，拿起镊子夹豆子、用粉末称量，表现还不如学龄前儿童。两种能力没有任何传导关系。
所以，8.86秒告诉你的是：在当前硬件性能上限被推到800牛·米档位、电池能支撑高功耗放电的前提下，通过赛前一个月的定向软硬件协同优化，人形机器人可以在特定场景下把直线奔跑能力拉到人类远远无法企及的水平。
它不告诉你的是：这台机器人能不能在工厂里搬箱子、在家里给你倒杯水。答案是不能——那是另一条技术路线要解决的问题，跟百米赛道上的突破，暂时没有交集。
热门跟贴