宇樹科技（Unitree）近日宣布開源其最新研發的人形機器人運動控制架構OmniXtreme，并同步發布由創始人王興興主導的技術研究論文。該架構聚焦于解決人形機器人在春晚等高動態場景中執行極限動作時面臨的兩大核心挑戰：海量動作庫的精準復現與物理環境中的實際落地穩定性。通過創新性的雙階段訓練框架，OmniXtreme成功突破了傳統運動控制技術的瓶頸。

在技術實現層面，OmniXtreme采用分層優化策略。第一階段通過流匹配預訓練技術，將分散于不同專家策略中的高難度動作（如后空翻、武術動作、街舞動作）統一整合至生成式模型中。該技術通過構建速度場路徑模型，有效避免了多任務強化學習過程中常見的梯度沖突問題，使機器人能夠同時掌握多種復雜技能。第二階段則引入執行器感知后訓練機制，結合殘差強化學習與電機物理特性建模，使機器人能夠根據電機扭矩、轉速等實時參數進行動態調整，確保動作執行既符合物理規律又保持高保真度。硬件驗證數據顯示，基于Unitree G1機器人平臺的測試中，OmniXtreme架構實現了96.36%的后空翻成功率，同時將端到端推理延遲壓縮至10毫秒級別。這一成果得益于架構對電機再生功率的精準計算與動態補償能力，使機器人在高速運動中仍能保持身體平衡。技術團隊特別強調，該架構通過力矩-轉速包絡線建模技術，首次實現了對電機物理極限的量化感知，為機器人運動控制提供了新的理論支撐。

此次開源不僅展示了流匹配技術在具身智能領域的擴展潛力，更推動人形機器人技術從單一技能演示向通用化運動能力發展。通過公開核心算法與訓練框架，宇樹科技為行業提供了可復用的技術范式，特別針對復雜物理環境中的穩健控制問題給出了創新解決方案。該架構的開放特性將加速全球開發者在機器人運動控制領域的技術迭代，為具身智能的產業化應用奠定基礎。