来源：北京日报 | 作者 王青岷

一周时间，北京接连举办了两场机器人大会：2026世界机器人大会（8月19日至23日）和第二届世界人形机器人运动会（8月22日至26日）。相较这两年在京举行的人形机器人半程马拉松比赛，这两场大会让人更加关注：具身智能究竟能不能从实验室走出来，当个“可靠打工人”？

第二届世界人形机器人运动会上的机器人方队。

“秀技术”“验场景”的接力

这两场大会可以通俗理解为：世界机器人大会负责“仰望星空”，展示技术可能性；世界人形机器人运动会负责“脚踏实地”，验证场景实用性。

世界机器人大会是机器人“能做什么”的技术“阅兵场”，既有机器人大模型、多款人形机器人集中首秀，也在释放产业方向信号。本届大会主题“人机共生，产需共融”，标志着行业从单纯技术走秀全面转向量产、交付与真实场景落地。大会设智创馆、智合馆、智造馆、智趣馆4大主题展馆，吸引全球300余家企业携超3000件展品参展，其中300余款新品全球首发，覆盖人形机器人整机、灵巧手、力传感器、关节模组、芯片等。机器人零部件企业的首次大规模独立亮相，标志着产业链专业化分工加速。

值得关注的是，全尺寸人形机器人与多模态交互迎来新的技术迭代：机器人告别静态炫技，跨入极限物理运动、VLA（视觉-语言-动作）大模型泛化、真实产线实操的新阶段。

人形机器人表演踢足球。

全尺寸人形机器人（1.6米至1.8米成年人构型）的自由度与关节扭矩实现质的飞跃，甚至能完成人类难以企及的高难度动作。比如，逐际动力首发的交互人形机器人LimX Luna现场演示了手势识别与多模态感知，观众做出摆手、伸展等触发动作时，Luna可做出相似的回应动作；在与观众进行语音大模型连续对话时，Luna配合语义同步做出招手、指引、摊手等有情感的拟人化手势。魔法原子旗舰款MagicBot X1身高1.8米，现场完成了扣篮、乒乓球、击剑等高动态实测。此外，在重载与极端作业方向，清卓动力发布了行业首款公开演示的4米级液电混驱超人形机器人，采用数字液压与电机融合方案，弥补了纯电驱人形机器人力量不足的短板。

再来看世界人形机器人运动会，共吸引666支赛队参与，设置51个赛项，推动机器人从“能表演”走向“能实用”，场景赛重点攻坚人类生产生活中的“乏（枯燥）、脏、险、难”场景。

在工业生产场景中，机器人已能自主识别、精准抓取和装配不同规格的零部件，并在移动中保持高负载和高稳定性，甚至可在动态环境下自主导航、实时避障，高效完成库房物资整理与分拣。

在服务场景中，机器人能识别不同尺寸和重量的行李箱、流畅地端茶送水递拖鞋，全程无剧烈磕碰。铺床单、整理衣物更是“精细考试”：机器人要识别皱巴巴、半透明、带拉链的衣服，区分布料软硬度，折叠时力道轻重适配，最终把衣服叠放整齐。此次运动会专门设置了“灵巧手”专项赛，检验机器人的“手”是否灵巧。机器人能完成粉末称量、镊子夹豆、开瓶撬盖、整理图书等任务，证明国产人形机器人已从粗放的摆臂行走跨越到“看得清、拿得稳、做得准”的微米级手眼协同阶段。

在高危环境中代替人类工作是另一大看点。比如，在消防与应急专项比赛中，机器人能在模拟火灾等恶劣条件下完成排查、避障、精准救援，展现了它们在极端工况下的任务拆解与耐受力。

此次运动会的核心突破在于“全自主化”要求提高（自主完成得分权重远高于遥控）和“以赛定标”：赛项规则正逐步转化为工业、商业场景的技术验收标准，业内形象地总结为“拿了奖牌就拿订单，出了赛场就进现场”。

总的来看，这两场大会构成了中国机器人产业从“技术驱动”向“场景驱动”转型的关键闭环。无论展示的是机器人的“决策智商”，还是复杂环境生存能力，本质都是“大脑”（决策）与“小脑”（执行）的协同进化。

“大脑”解语义 “小脑”控毫厘

在世界机器人大会上，机器人的“大脑”与“小脑”已演化到实用级阶段。

机器人“大脑”是指具身智能大模型和中央处理系统，负责解决“想干什么”的问题，让机器人从按固定程序动作进化到听懂人话、看懂环境并自主决策。“大脑”依靠四层能力来工作。

一是语义理解与任务拆分

比如，当人说“我有点饿了，拿点吃的”时，“大脑”先用大语言模型把指令拆解为逻辑链：找冰箱、开门、辨熟食、取馒头、关门、交给人，再转化为分布动作指令。

二是多模态空间感知与对齐

“大脑”集成多模态大模型，把视觉、文字、空间几何信息融合：机器人“看”到冰箱时，于毫秒级完成三维语义建模，不仅能认出冰箱是装食品的器具，还能计算自身到冰箱的三维坐标，规划行走路径。

三是端到端（End-to-End，传感器输入后直接输出动作指令，无需手写中间规则）运控决策

这是近年来机器人领域最受瞩目的技术突破。过去要写成千上万行代码来规定机器人的手脚动作，现在“大脑”用端到端神经网络，把摄像头采集的图像直接转化为电机关节扭矩和运动轨迹。比如，铺床单、夹豆子时，人们故意扯乱床单、挪走豆子，“大脑”能像人一样根据画面变化，实时调整手臂抓取角度和速度。

四是强化学习与实时避障

机器人行进时若遇人挡路，基于强化学习的导航系统，会瞬间停止原路径并重新计算绕行路线，避免碰撞。

此外，“大脑”还有两个实用演进方向：云边端协同和无缝接入工业“大脑”。云边端协同是将复杂深度思考交给云端千亿参数大模型，安全避障、灵巧手抓取等本能反应则由本地小模型（边缘端）处理，确保机器人在断网时也能安全运行。无缝接入工业“大脑”直接对接工厂制造执行系统，自主接收订单任务，实现全链路自主调配。

2026世界机器人大会上展出的一款多自由度灵巧仿生机械手。

机器人“小脑”是运动控制（运控）系统，负责解决“怎么干”的问题，核心是实时协调全身关节、维持动态平衡，确保动作精准柔顺。如今，行业更趋向于“大小脑一体化”：VLA大模型让“大脑”和“小脑”可直接运行在同一块高算力SoC芯片上，算法层面甚至融合为单一端到端神经网络。

世界人形机器人运动会的对抗性赛项，正是“小脑”能力的压力测试。

毫秒级动态平衡

田径、拔河、障碍赛中，机器人的重心剧烈变化，“小脑”运控系统以200赫兹至300赫兹的超高频率实时推理，收集惯性测量单元和足端压力传感器的数据。机器人遇到不平整地面或踉跄时，可立即调整关节扭矩和落脚点，保持不摔倒。

力控与动态扭矩分配

举重、拔河等力量对抗项目中，“小脑”采用全身控制算法，不再用工业机器人僵硬的“位置控制”，而是控制每个关节的实际输出扭矩。受力不均时，把受力动态分摊到脚踝、膝盖、腰部和手臂的所有关节，通过接触力感知进行柔性自适应调整——既能在对抗中爆发最大力量，又避免关节过载折断。

高爆发动作时序控制

乒乓球对打、跳远、武术侧空翻等高爆发动作，需要“小脑”把轨迹规划和关节运动深度咬合。以乒乓球赛为例，当“大脑”通过视觉捕捉到球的轨迹后，“小脑”要在几毫秒内计算出机械臂、手腕的挥拍角度和速度，保证多自由度关节高同步、低误差。

跨本体泛化执行

在此次运动会中，不少机器人搭载了通用动作预训练大模型，即便遇到此前在仿真环境中没见过的干扰（如观众席灯光晃眼、对手打擦网球），通过海量人类动作数据训练，也能凭借泛化能力举一反三，用最合理的四肢协同姿态完成救球。

“大脑”越聪明，对“小脑”的要求越高，核心要解决“模糊语义”到“精确执行”的鸿沟：“大脑”下达“把衣服叠好”这类模糊指令，“小脑”必须拆解为数十个关节、数百个电机在微米级位移、克级力控上的协同动作。这种“想”与“做”的精度差，是“小脑”最难跨越的门槛。

此外，通信延迟必须压缩到极致：“大脑”做决策需10毫秒至20毫秒，如果“小脑”花30毫秒计算关节力，那么机器人就会漏球或跌倒。因此，“小脑”需要端到端运控，把“大脑”指令在5毫秒内转化为关节扭矩和落脚点预测，实现“手随心动”。

目前，通用“小脑”已成为主流技术，确保机器人的身体执行速度能完美匹配“大脑”思维，让“想”与“做”丝滑结合。

机器人“打工”得闯三道关

即便有了“大脑”“小脑”和躯体，机器人要成为“可靠打工人”，还必须跨过感知、控制、交互三道关。

第一关：感知门槛——从“看见”到“看懂”

感知门槛最基本的是视觉、触觉和力觉。打工机器人面对的是非结构化的复杂环境，仅靠视觉不够，需要多模态感知融合。视觉上要实现3D语义分割：用激光雷达和深度相机建立环境三维点云模型，再把视觉图像与“大脑”语义知识对齐。比如整理厨房时，看到圆柱体要立刻识别出是装茶水的玻璃杯还是豆浆机，找到手柄位置，判断抓取角度，甚至识别杯子是否脏了需要清洗。但是，倒水、擦拭、搬运等精细动作，绝大部分依赖于触觉和力觉。高密度电子皮肤与六维力传感器（相当于机器人的“力学神经”）融合，让机器人拥有类人触觉：采摘草莓时，手指上的阵列式触觉传感器能感知微小滑动摩擦力和压强变化，毫秒级微调抓取力道，做到“拿得住，捏不碎”。

第二关：控制门槛——从“能动”到“稳动”

“能动”只是按预设轨迹走直线，“稳动”要能抗干扰、自适应。比如，机器人在碎石斜坡上行走，或被物体碰撞时，“小脑”运控系统要实时读取数据，几毫秒内计算出“反向扭矩”，通过摆臂、交叉步重新找回重心，避免摔倒。

仿生六足螃蟹机器人“跳跳”。

现代机器人已全面转向全身控制与柔性力控：每个关节不再死板地转动角度，而是实时感知输出扭矩。行走、搬运或与人接触时，机器人的关节具有弹性，甚至自动变软顺应冲击，既保护自己也避免伤人。

“稳动”还依赖多源传感器前融合技术：“大脑”和“小脑”把视觉（前面有坡坎）、本体运动学（腿弯曲角度）、动力学（脚底摩擦力）的数据无缝对齐到同一时间轴。即使视觉信号丢失（如灯光变暗、摄像头被挡），机器人也能靠四肢触觉和体感，在黑暗中稳稳地摸索前行。

有了这些全身协同，机器人就可以在“拔河”时让全身关节协同发力与重心微调，在“跑马”时让足底触地的瞬间吸收冲击力。

第三关：交互门槛——从“执行”到“适应”

机器人不能只按预设程序走，必须能应对突发状况。比如，包子掉地上，是继续走、傻站着，还是捡起来或换一个？这是从“执行指令”到“自主决策”的关键一跃。

这一过程靠“感知-决策-执行”闭环完成：首先，手指上的视触觉传感器感知到包子掉落（正压力归零、摩擦力突变），几毫秒内触发异常中断，机器人立刻停在原地；接着，头部或胸部相机由前视转为下视，“大脑”调用大模型扫描地面，从复杂背景（如棕色地板、花纹地毯）中精准识别包子，锁定三维坐标；最后，“大脑”启动思维链，废弃原定“送包子到桌子”的计划，插入“捡包子”新任务。“小脑”的全身控制算法实时调配关节扭矩，保证机器人蹲下时不会重心前倾栽倒，同时开启柔性力控，在手指触碰到包子的那一刻，通过触觉反馈微调电机电流，用刚好拿起、不捏破包子皮的力道捡起包子，继续完成任务。

这三道关是机器人走出实验室，变成“可靠打工人”的必经之路。世界机器人大会上机器人能做出行云流水的动作，正是因为它们跨过了这三道关；而人形机器人运动会上偶尔的手忙脚乱，往往是因为卡在了某一关上。

“会+赛”探索人机共生的未来

机器人“打工”最先引发的是就业焦虑：外卖、快递、酒店前台、保洁、安保巡检、后厨配菜等吸纳了大量基层劳动力的“蓄水池”岗位，可能率先被替代。但机器人不会“抢”走所有工作，而是重构分工：人类负责创意、决策、情感交互，机器人负责重复、高危、高精度的体力活儿。

新的岗位也会随之诞生：一是机器人数据收集员/遥操作员——“大脑”训练需要海量真实动作数据；二是传统蓝领升级为现场服务工程师——负责机器人现场标定、安全红线划分、“小脑”参数调整；三是机器人技师——维修关节电机过热、齿轮磨损、电子皮肤破损、激光雷达镜片污染等。

更核心的挑战是伦理与法律责任。在伦理层面，机器人需要“价值对齐”：比如，护理机器人面对“先喂药还是先安抚老人”“老人突然发病是先干完活还是立刻求助”，选择背后是人工智能对人类价值观的理解与遵循。在法律层面，如果家政机器人拖地时因运控误差撞倒人或损伤财物，责任归属是负责算法的公司、硬件厂商，还是操作不当的用户？目前，尚无明确规则。

第二届世界人形机器人运动会的展位前，机器人为参观者递上饮品。

安全与隐私是另一大风险。机器人要实现“稳动”和突发应对，全身布满3D激光雷达、深度摄像头和高灵敏度麦克风，进入家庭、工厂后会持续对周围环境做3D建模、数据上传。一旦数据被黑客窃取或企业滥用，人类在物理世界将毫无隐私可言。此外，机器人若被恶意篡改系统，可能从“保姆”变成物理武器。人们还有情感层面的隐忧：如果老龄化社会中照顾老人的全是情绪稳定、不知疲倦的护理机器人，那人类之间的亲情、陪伴、社交纽带会不会被削弱？

北京这两场机器人大会，正是在为这些问题寻找技术和制度路径。与西方不少团队侧重单点技术突破的路径相比，北京通过世界机器人大会与世界人形机器人运动会的联动，让机器人在真实碰撞中学会“懂规矩”——这既是中国方案的全球意义，也是“科技向善”的具体实践。这两场大会与其说是展示机器人的“武力值”，不如说是展示中国对机器人“可控、可用、可靠”的探索。

未来的机器人，不是“像人”，而是“为人所用”。它们是我们的“数字同事”“物理助手”“生活管家”，与人类共同构建更高效、更安全、更温暖的人机共生社会。真正需要人类警惕的不是机器人“抢工作”，而是在机器人推动生产力大幅跃升、创造巨大社会财富的同时，能否同步建立起配套的财富再分配机制、严格的隐私立法、明确的机器人安全红线。