摘要：2025年9月20日，由高擎机电主办、清华大学学生创业协会协办、同方科技有限公司支持的“Humanoid Robotics Workshop：高效全身控制——本体、重定向、训练与Sim2Real”活动，在清华同方科技广场成功举办。

► 活动背景及目的

2025年9月20日，由高擎机电主办、清华大学学生创业协会协办、同方科技有限公司支持的“Humanoid Robotics Workshop：高效全身控制——本体、重定向、训练与Sim2Real”活动，在清华同方科技广场成功举办。

人形机器人运动控制取得了很多令人印象深刻的进展，从刚开始的Locomotion，到现在的全身控制，机器人已经在某些运动能力上超过了大多数人，但是人形机器人的综合感知运动能力还远远达不到人的水平。本着对人形机器人实现更加通用的感知运动能力，最终走进千家万户的愿景，我们从3月份以来走访了国内外很多顶级的科研机构和专家学者，大家都对这个美好愿景持乐观态度，但是大家对于技术路线却有着各自的思路和看法。因此我们组织这个Workshop，通过更加高效的方式进行集中探讨，希望能够促进大家的交流合作，共同推动人形机器人向通用感知运动能力的方向发展。

特邀斯坦福大学迮炎杰博士、清华大学机械系车辆与运载学院研究生郑梓昂、清华大学交叉信息研究院博士研究生庄子文、清华大学姚班大四学生苏智、复旦大学智能机器人与先进制造创新学院博士研究生侯泰先、北京大学计算机博士丁刚、高擎机电创始人兼CEO张小白等学界与产业界重磅嘉宾担任主讲及圆桌对话嘉宾，最终汇聚学术界与产业界百余位优秀开发者共赴交流。

► 活动内容与技术亮点

1．理论分享

Presentation1

迮炎杰，GMR（General Motion Retargeting）

迮炎杰

迮炎杰博士以“机器人需兼具人形外观与类人动作”为核心，提出GMR技术是实现这一目标的关键。

他指出，当前人形机器人运动控制的学界框架已收敛：基于人类动作数据，经动作重定向（Motion Retargeting）获取符合机器人运动学的数据，再通过仿真训练完成动作到实际机器人的迁移，而这一流程的效果高度依赖重定向的质量。

针对当前动作重定向“Not Human-Like，Not Real-Time和Not General”三大痛点，GMR通过“人与机器人Cartesian空间对齐”，“人类数据非均匀局部缩放”，“两阶段逆运动学（IK）”三大设计，同步解决上述问题，目前已是开源算法中性能最优的运动重定向方案。此外，GMR现已支持GVHMR，可从人类视频中输出全局人体姿态，转换到人形机器人，为GMR提供更灵活的动作数据源。

Presentation2

郑梓昂，Trackerlab：A Modular Toolkit for Whole-Body Control with Trajectory Ptiors

郑梓昂

郑梓昂围绕TrackerLab工具集旨在解决当前机器人运动控制开发的关键问题：实验流程碎片化（需重复搭建pipeline）、代码库差异大（算法难对比、结果难复现），且现有方法（如AMP、BeyondMimic等框架）缺乏统一底层架构的问题。

为解决这一问题，TrackerLab打造了统一化、模块化的全身控制Pipeline，具备三大核心特性：

Presentation3

庄子文，结合感知的全身运动控制Deployable Athletic Intelligence（运动智能系统）

庄子文

庄子文博士首先明确“运动智能”与“具身智能”的差异：前者聚焦机器人“高效干活”（提升运动速度与动态响应），是实用化关键；后者侧重环境综合交互。他以波士顿动力为例，指出深度学习可补全“感知-运动控制”闭环，解决传统感知无法实时更新环境状态的问题。

庄子文博士以“感知驱动运动控制”为核心，基于深度图打造实时响应系统，已适配多种形态的机器人：针对四足机器人，用“软约束（Soft Constrain）+蒸馏”框架+GRU模块能够突破多地形的通过性；针对人形机器人，用课程学习（Curriculum Learning）替代软约束，以避免Reward Hacking，且“单网络适配多地形+保留底层平衡能力”可大幅提升训练效率。

在Sim2Real落地层面，庄子文博士提出“深度图是目前工程实践上对于带感知的运动控制最合适的”——其模拟难度低于RGB数据、低分辨率即可满足距离判断，匹配噪声分布即可解决部分感知迁移问题。最终总结三大落地启示：感知选择务实（优先深度图）、系统架构通用（通用底层+专用感知）、训练适配机器人特性（不照搬人体逻辑）。

Presentation4

张小白，机器人本体结构的实践和思考

张小白

高擎机电创始人&CEO张小白围绕“人形机器人本体设计”展开分享，核心定位为“让每个开发者拥有一台人形机器人”，聚焦推出60cm的Mini Pi+与80cm的Mini Hi两款小型化、高性价比硬件产品——小型化设计（如Pi+）可实现单人调试，大幅降低动作失误的安全风险，精准解决大型机器人操作复杂、风险高的痛点。其本体设计始终遵循“性能、效率、成本、安全性缺一不可”的核心原则，兼顾科研与开发实用需求。

在本体性能保障上，他通过方案对比明确四大关键逻辑：动力方案优先选择电机直驱，相较液压（远端传力但效率低、成本高）、绳驱（灵活却易磨损、成熟度低），电机直驱兼具结构简洁、效率高、成本低的优势，除高自由度灵巧手外可适配基础运动；密度需平衡 “功率密度”（影响动态响应）与 “自由度密度”（决定动作灵活性），避免动作受限；减速机选型适配场景，行星减速机因稳定性强、工程化成熟成为主流；电机优化需规避 “放大定转子间隙降齿槽转矩却损效率” 的误区，通过结构优化保障力矩与效率平衡。

在模组设计与选型上，他强调 “不唯参数论”：模组设计不能单纯追求扭矩、功率密度，需先保证结构强度，再优化结构合理性、空间利用率与减重，避免过度镂空影响耐用性；选型时关键参数必须实测，包括力矩曲线、响应速度、模组一致性、抗冲击性能及过温过流保护，规避 “虚标” 风险。

他还指出，机器人开发需整体解决方案，除核心模组外，还需适配保障通信与算力的主控、带安全保护的电池（规避起火风险）、防线材断裂短路的功率管理及减少信号干扰的优质线材，这套方案可支持开发者快速搭建可用机器人。此外，小型模块化设计实现“一体化科研适配”，单台机器人即可覆盖运动、操控、全身控制需求，降低科研门槛。

未来高擎机电将聚焦让机器人接近甚至超越人类能力，重点研发并联结构（应用于肩、髋、腕关节，解决串联结构动作僵硬问题）与灵巧手研发，目标是让灵巧手突破20+自由度限制，实现单指抓握40-60N、整手握力200-600N，并承受2000-3000N冲击力，满足实用场景安全与性能需求。

2．圆桌讨论

主题：机器人运动与感知的未来方向与技术路线

本次圆桌由高擎机电创始人&CEO张小白主持，清华大学庄子文博士、北京大学丁刚博士、复旦大学侯泰先博士、清华大学姚班苏智四位科研工作者围绕五大核心问题展开对话。

圆桌会议的问题逻辑围绕“人形机器人实现超越人类能力、服务人类的核心目标”层层递进：先以“机器人何时能超越人类能力”切入，从能力维度与场景拆解时间预判；再基于能力讨论延伸至“机器人运动感知技术路线是否与人趋同”，探讨技术路径选择；随后聚焦落地难点，提出“在线学习运动算法的探索与难点”，分析真机迭代与基础模型的关系；接着针对商用关键需求，探讨“感知能力的瓶颈与突破”，拆解感知-决策-控制的协同问题；最后拓展至技术复用，追问“跨本体运动算法的可能性”，研究通用算法适配不同机器人的可行性，形成从目标预判到路径选择、落地难点、关键能力再到技术复用的完整逻辑链。

观点展开和原文详见推送：

独家圆桌对话｜机器人运动与感知的未来方向与技术路线

► 总结

本次Humanoid Robotics Workshop以“高效全身控制”为核心，通过四场深度技术分享与一场圆桌对话，完成了一次“从算法探索到工程落地”的全链路交流。未来，高擎机电将持续开放硬件平台与技术交流渠道，期待与更多开发者共同推动人形机器人从实验室走向商用场景，早日实现“让每个开发者拥有人形机器人” 的目标，助力行业迈向“运动感知闭环”的下一阶段。

在未来，高擎机电将举办更多学术与开发者的交流活动，在提供稳定硬件的基础之上，我们还将建设良好学术和开发交流的生态平台。有意向合作及交流的学者、开发者请联系微信：dionysuslearning。

关于高擎机电

通过先进的技术和产品

为机器人行业创造新的可能

来源：高擎机电