Ein wichtiges Ergebnis des China Academy of Information and Communications Technology (CAICT): Mit einer Strategie können humanoide Roboter Rückwärtsrollen und Breakdance lernen, und die Genauigkeit liegt über 90%.

In diesem Jahr stand der humanoide Roboter erneut im Mittelpunkt der Olympischen Frühlingsfeier auf der Bühne.

Im Vergleich zu den zitternden Taorockenschritten des Unitree-Humanoiden Roboters im vergangenen Jahr kann er nun nahtlos eine Reihe von Darbietungen wie Kampfkunst, Nunchaku und Betrunkenen-Fäuste absolvieren. Diese reibungslosen Bewegungen haben das Internet voller Bewunderung gebracht und die Öffentlichkeit auch tatsächlich die Fortschritte in der Technologie der humanoiden Roboter spüren lassen.

Mit den kontinuierlichen Fortschritten in der Bewegungsfähigkeit der humanoiden Roboter tauchen auch einige Schlüsseltechnologien auf, die diese extremen Bewegungen ermöglichen.

Kürzlich hat das Peking Institute of General Artificial Intelligence (kurz: PIGAI) das neue universelle Bewegungssystem für humanoide Roboter OmniXtreme (Tongji) veröffentlicht und als Open-Source-Projekt freigegeben.

Dieses System ermöglicht es den Robotern, mit einer einheitlichen Strategie verschiedene hochdynamische Bewegungen wie Rückwärts-Salto, Thomas-Spin und Kampfkunst-Kick auszuführen, und es wurde auf realen Robotern eine Erfolgsrate von über 90% erreicht.

Dieses Ergebnis stellt einen neuen Trainingsansatz vor: Anstatt für jede einzelne Bewegung eine eigene Strategie zu trainieren, wird durch die Kombination von generativem Modell und verstärkendem Lernen ermöglicht, dass der Roboter eine ganze Klasse von extremen Bewegungsfähigkeiten erlernt.

Jia Baoxiong, ein Forscher am PIGAI, sagte in einem Interview mit Zhidx: "In der Vergangenheit mussten viele Roboterkontrollmodelle für jede einzelne Bewegung wiederholt Parameter einstellen. Das Kernziel von OmniXtreme besteht darin, eine einheitliche Strategie zu finden, damit der Roboter verschiedene Arten von extremen Bewegungen lernen und verallgemeinern kann."

01. Vom "Oma-Roboter" zum "Kampfkunst-Gott": Der Sprung in der Bewegungsfähigkeit der humanoiden Roboter

Der aktuelle Hype um die humanoiden Roboter geht auf die Frühlingssportveranstaltung der Peking-Universität im Jahr 2024 zurück. Damals wurde der Roboter in der Studierendenformation der Fakultät für Künstliche Intelligenz der Peking-Universität von den Netizens wegen seiner langsamen Gangart und starren Bewegungen als "Oma-Roboter" verscherzt.

Im April 2024, die Studierendenformation der Fakultät für Künstliche Intelligenz bei der Frühlingssportveranstaltung der Peking-Universität

In den folgenden zwei Jahren hat sich die Bewegungskontrollfähigkeit der humanoiden Roboter rapide verbessert.

Bei der Olympischen Frühlingsfeier im Jahr 2025 des Jahres der Schlange konnten die Roboter bereits Taorockenschritte und andere Tanzbewegungen ausführen, aber die Bewegungen waren insgesamt noch recht mechanisch. Im August desselben Jahres gewann das PIGAI-Team bei der ersten Weltmeisterschaften für humanoide Roboter den Einzeltanzwettbewerb mit einer Darbietung, die Tango, Taiji und Cha-Cha kombinierte.

Im August 2025 gewann das PIGAI-Team den Einzeltanzwettbewerb bei der ersten Weltmeisterschaften für humanoide Roboter

Bei der Olympischen Frühlingsfeier im Jahr 2026 absolvierte der Roboter in der Show "WuBot" Kampfkunstbewegungen, und seine Bewegungsfähigkeit hat sich weiter verbessert.

Nach Jia Baoxions Ansicht steckt hinter dieser Veränderung eine "Technologie-Barrierebrechung". Er beschrieb diesen Prozess mit dem Begriff "Dimensionen-Barrierebrechung". Er fügte hinzu: "Früher blieben die Roboter hauptsächlich im Labor oder in der wissenschaftlichen Forschung, und es war selten, dass jemand dachte, dass sie so viel können würden wie heute. Aber mit der schnellen Entwicklung von Algorithmen und Hardware akzeptieren wir allmählich, dass die Roboter nicht nur tanzen, sondern auch viele schwierige Bewegungen ausführen können."

02. Ein Algorithmus für extreme Bewegungen: OmniXtreme löst das Problem der "Mehrfachbewegungskontrolle"

Es war immer eine Herausforderung im Bereich der Roboterkontrolle, dass die Roboter hochdynamische Bewegungen wie Salto, Kopfstand und Breakdance ausführen können.

In den letzten Jahren ist das verstärkende Lernen zur Haupttechnologie geworden. Durch umfangreiche Simulationsschulungen können die Roboter allmählich komplexe Bewegungen lernen. Aber wenn die Anzahl der Bewegungen zunimmt, treten in der Regel neue Probleme auf - je mehr Bewegungen, desto geringer wird die Kontrollpräzision.

Genau dieses Problem will OmniXtreme lösen, und das System verwendet einen zweistufigen Lernmechanismus.

In der ersten Stufe trainiert das Forschungsteam zunächst mehrere "Expertenstrategien" für verschiedene Bewegungen und kombiniert dann diese Expertenfähigkeiten zu einer einheitlichen Strategie mithilfe der generativen Modellierungsmethode. Dieser Prozess bezieht sich auf die Flow Matching-Technologie in generativen Modellen, sodass das System die "Bewegungsverteilung" lernen kann, anstatt nur einfache Bewegungsabbildungen.

Jia Baoxiong erklärte diesen Prozess mit einer Analogie: "Man kann es so verstehen, dass der Roboter zunächst viele Top-Tänzer imitieren soll, und dann auf dieser Grundlage durch verstärkendes Lernen ständig angepasst wird, damit er diese Bewegungen in der realen Welt stabil ausführen kann."

Im Vergleich zum herkömmlichen verstärkenden Lernen, das ständig durch die Belohnungsfunktion an das Ziel der Bewegung annähern muss, kann das generative Modell von Anfang an eine vollständige Bewegungsdarstellung aufbauen, und daher hat es in Szenarien mit mehreren Bewegungen eine bessere Verallgemeinerungsfähigkeit.

03. Überwindung der Sim2Real-Barriere: Der humanoide Roboter lernt, im realen Leben Salto zu machen

In der Forschung an humanoiden Robotern ist die Sim2Real (Simulation zu Realität) immer eine zentrale Herausforderung gewesen. Viele Bewegungen können in der Simulationsumgebung ausgeführt werden, aber wenn sie auf reale Roboter übertragen werden, scheitern sie oft.

Die zweite Trainingsstufe von OmniXtreme befasst sich genau mit diesem Problem. Das Forschungsteam hat in den Prozess des verstärkenden Lernens eine Vielzahl realer physikalischer Faktoren eingebracht, wie beispielsweise:

• Modellierung der Beziehung zwischen Motordrehmoment und Geschwindigkeit

• Begrenzung der Bremsleistung

• Batterieenergieübertragungsmodell

• Realistischere physikalische Simulation des Aktuators

Diese Entwürfe haben die Ausführbarkeit der Strategie auf realen Robotern erheblich verbessert. Jia Baoxiong sagte Zhidx, dass in der Vergangenheit viele Teams bei der Implementierung über ein Netzwerkkabel mit einem Hostcomputer verbunden werden mussten, während das Ziel von OmniXtreme die vollständige Ausführung auf dem Roboter ist.

"Die echte Herausforderung liegt nicht nur im Algorithmus selbst, sondern auch in der Effizienz der Modellinferenz und der Hardwareanpassung. Wenn diese Probleme gelöst werden und ein stabiler Kontrollalgorithmus vorhanden ist, kann das aktuelle Ergebnis der realen Implementierung erreicht werden." Die Experimentergebnisse zeigen, dass bei der Testung auf realen Robotern die Erfolgsrate dieser Methode bei verschiedenen hochdynamischen Bewegungstasks über 90% beträgt.

Erfolgsrate der Implementierung auf realen Robotern

Viele Menschen halten Bewegungen wie Salto und Tanzen für "Showstücke", die scheinbar wenig mit der praktischen Anwendung zu tun haben. Jia Baoxiong gab eine andere Erklärung: "Aus wissenschaftlicher Sicht kann der Roboter in der Regel auch in Arbeitsumgebungen, in denen Menschen tätig sind, eingesetzt werden, wenn er diese extremen Bewegungen ausführen kann."

Er verglich diesen Prozess mit "dem Aufbauen einer starken körperlichen Verfassung" und fügte hinzu: "Wenn der Roboter die Kontrollfähigkeiten für menschliche Extremsportarten erlernen kann, wird es ihm in der Tat leichter fallen, Aufgaben in Industrie- und Dienstleistungsszenarien auszuführen."

Daher wird die Fähigkeit im Extremsport oft als "Obergrenzentest" für die Roboterkontrollfähigkeit angesehen.

04. Unternehmen bauen den Körper, Institute entwickeln das Gehirn: Ein Weg für die Forschung und Entwicklung von humanoiden Robotern entsteht

Es ist erwähnenswert, dass die Hauptautoren dieser Studie alle aus dem gemeinsamen Promotionsprogramm des PIGAI für die Förderung von Talenten im Bereich der allgemeinen Künstlichen Intelligenz (kurz: "Tongji-Programm") stammen.

Beim Forschungs- und Entwicklungsmuster wählt das PIGAI einen Weg der Arbeitsteilung und Zusammenarbeit: Die Unternehmen sind für den Roboter-Körper verantwortlich, während das Institut für die Kernintelligenzalgorithmen zuständig ist. Beispielsweise hat das PIGAI mit Unitree Robotics eine gemeinsame Labor für Embodied Intelligence gegründet, um zusammen zu forschen.

Im September 2025 gewann das PIGAI einen ausgezeichneten Aufsatzpreis auf der internationalen Konferenz für Roboternlernen CoRL

Jia Baoxiong sagte, dass viele technologische Durchbrüche aus dem Austausch zwischen den Ingenieuren beider Seiten entstanden sind. "Einige Unterschiede zwischen Simulation und Realität sind erst nach Diskussionen zwischen uns und den Hardwareingenieuren aufgefallen."

Im Bereich der Industrialisierung hat das PIGAI auch das Startup Delta Intelligence im Bereich der Embodied Intelligence gegründet. Delta Intelligence nutzt die technologischen Fähigkeiten, die das PIGAI gesammelt hat, um die praktische Anwendung von humanoiden Robotern in Szenarien wie industrielle Fertigung, Inspektion und Haushaltsarbeit zu erforschen. Derzeit werden die relevanten Technologien in Szenarien wie Netzinspektion und Automobilfertigung getestet.

Die Grundlage für diesen Weg ist auch das Personalmuster des PIGAI. Das Forschungsteam von OmniXtreme besteht hauptsächlich aus Promotionsstudierenden des "Tongji-Programms" des PIGAI. Dieses Programm wird vom PIGAI in Zusammenarbeit mit mehreren Universitäten im ganzen Land durchgeführt, und bisher wurden über 300 Doktoranden im Bereich der Künstlichen Intelligenz ausgebildet.

Jia Baoxiong sagte, dass derzeit etwa 10 bis 20 Promotionsstudierende am Forschungsprojekt an humanoiden Robotern beteiligt sind. "Viele Studenten arbeiten sowohl am Institut an Algorithmen als auch in Unternehmen zusammen mit Ingenieuren, um reale Probleme zu lösen."

05. Fazit: Der nächste Schritt ist, dass die Roboter in die reale Welt treten

Nach Jia Baoxions Ansicht werden die humanoiden Roboter in zwei Richtungen gleichzeitig voranschreiten.

Einerseits wird die Technologie weiterhin versuchen, noch schwierigere Bewegungen zu meistern, wie beispielsweise Parkour und Bewegung in komplexen Umgebungen. Andererseits müssen die Roboter allmählich in die reale Lebensumgebung eintreten.

"In Zukunft können die Roboter sowohl wie jetzt an Wettbewerben teilnehmen als auch als Helfer im täglichen Leben fungieren", sagte er.

Wenn die Bewegungsfähigkeit, die Wahrnehmungsfähigkeit und die Fähigkeit zur autonomen Entscheidungsfindung allmählich integriert werden, fehlt den humanoiden Robotern vielleicht nur noch ein letzter "Barrierebruch", um in die reale Welt einzutreten.

Dieser Artikel stammt aus dem WeChat-Account "Zhidx" (ID: zhidxcom), Autor: Jiang Yu, Redakteur: Mo Ying. Veröffentlicht von 36Kr mit Genehmigung.