源策未来发布全身智能模型：末端追踪误差从10厘米压到2厘米，人形机器人开始边移动边干活
来源极客公园查看原文
速览
- 人形机器人长期只能跑跳表演，干活时必须先站稳锁定身体，双腿价值被质疑。
- 核心死结是双足控制的两难：要稳定手就晃，要手准人就容易摔。
- 开源基线 SONIC 末端跟踪误差约 10 厘米，且控制逻辑绑定平整地面。
- 源策 S0 将末端追踪误差压到 2 厘米区间，并拓展到有高差的非平地。
- S1 具备长程任务理解能力，可把地形跨越、搬运与家电操作串成一项任务。
- 路线已在宇树 G1 与加速进化 T2 两种不同构型上验证，可跨本体复用。
- 源策自采 EgoBody 全身人类数据，为模型建立身体、动作与环境关系的先验。
- 行业软硬件条件集体成熟：全身控制器可用、动捕门槛降低、成熟本体可验证。
人形机器人长期存在一个尴尬：跑跳表演很流畅，真正干活却必须先走到平地、站稳锁定身体再伸手，双腿沦为「成本极高的机械轮子」。极客公园报道，源策未来发布以「全身智能」（Whole-Body Intelligence，WBI）为核心技术路线的新模型与演示，把系统分为负责高频动态平衡与动作执行的运动控制基模 S0（小脑）和负责长程任务理解与拆解的智能基模 S1（大脑）。在源策的对比测试中，开源基线（行业普遍基于英伟达开源的全身控制基准 SONIC）在俯身、前伸等全身协调动作下的手部末端跟踪误差在 10 厘米量级，而自研 S0 将这一误差压到 2 厘米区间。演示中机器人能俯身扶起倒在地上的自行车、精细按压电饭煲启动键，还能自己搬来踏台登高取物，并完成跨地面高差进厨房、取米加水、合盖按键启动电饭锅的长程任务。该路线已在宇树 G1 和加速进化 T2 两种构型上验证，两款机器人在冰箱整理任务中分工配合。
关键事实
- 源策未来发布以「全身智能」（WBI）为核心技术路线的新模型与演示，系统分为运动控制基模 S0（小脑）与智能基模 S1（大脑）两层。
- 在源策的对比测试中，开源基线在俯身、前伸等全身协调动作下的手部末端跟踪误差在 10 厘米量级，自研 S0 将误差压到 2 厘米区间。
- 行业此前最主流的做法普遍基于英伟达开源的全身控制基准 SONIC，其控制逻辑几乎完全绑定在平整地面上。
- 源策演示包括：俯身弓腰扶起倒地自行车、精细按压电饭煲启动键、自己搬踏台登高取物，以及跨地面高差进厨房完成取米、加水、内胆取放、合盖按键启动电饭锅的长程任务。
- 该技术路线已在宇树 G1 和加速进化 T2 两种构型上验证，两款机器人在茶水间冰箱整理任务中分别承担冰箱取放与持篮配合。
- 源策通过 WBI 数据平台自采 EgoBody 全身人类数据，并结合 S0 在真机上沉淀的高精度示范与 DAgger 纠偏经验训练 S1。
本站视角
这篇文章的价值不在于「又一个人形机器人 Demo」，而在于它把行业长期回避的一个工程死结摆到了台面上：双足机器人干活时，腿到底参不参与操作。对国内做人形本体的团队（宇树、加速进化等）和做具身智能基础模型的团队来说，源策给出的信号是——竞争焦点正在从「本体能跳多高」转向「全身控制精度能不能支撑接触式操作」。10 厘米到 2 厘米这个量级变化，看似只是数字，但它决定了遥操作数采能不能采到有效示范：如果数采员弯腰摸到地、机器人的手还悬在半空，这类任务的数据根本采不出来，模型也就永远学不会。源策把 S0 当作数据采集的底座、再用 S0 喂出 S1 的闭环思路，是这条路线里比较关键的一环，值得做具身数据和 VLA 的团队认真拆解。 我们的判断是：这属于实质性进展，但需要区分「技术演示」和「可交付产品」。2 厘米在源策自己的表述里也承认「放在更广阔的机器人坐标系里依然算不上精密」，只是到了物理接触操作的及格线；演示中的扶自行车、按电饭煲、搬踏台登高，都是在受控场景下完成的，文章没有给出任务成功率、连续运行时长、失败恢复率这些真正决定能否商用的指标。此外，本文信源单一，核心对比数据（10 厘米 vs 2 厘米）来自源策自己的测试，缺少第三方复现，读者应把它当作厂商自述而非行业公认基准。 更值得注意的是文章后半段提出的产业链影响：一旦「干活」成为目标，腰肩电机、灵巧手耐久、续航与换电、现场维护成本都会被重新排序，适合跑跳表演的身体和适合长时间劳动的身体，设计优先级未必相同。这对国内做谐波减速器、关节模组、灵巧手和电池的供应链公司是明确的信号——需求侧的评价标准可能要变。需要观察的是：源策能否把跨本体（G1 与 T2）的验证扩展到更多构型，以及是否有客户愿意为「任务成功率」而非「动作炫酷度」付费。在那之前，「全身智能会成为主流吗」这个问题，答案更可能是「方向对，但兑现周期比 Demo 长得多」。
背景与影响
人形机器人最初获得关注的核心逻辑是：现实世界的楼梯、橱柜、货架、工位、门把手都围绕人类身体设计，机器人理论上可以用下肢越障、用上肢拿工具。但行业演进几年后，公开演示大多停留在跑跳翻跟头，干活演示则普遍要求机器人走到平地、定住、再伸手。文章把原因归结为双足底层控制的两难——稳定与手部精度难以兼得，以及主流方案（如英伟达开源的 SONIC）在算法层面假设脚底接触是连续平滑的二维平面，无法采集地形变化下的动作。行业此前也尝试过把通行和操作拼接，例如上楼梯用一套通行功能、到平地再切换手臂操作，但机器人若抱着箱子走到台阶前，甚至得先把箱子放下才能切换模式，失去人形通行优势。源策未来选择从第一天起把整具身体作为最小作战单元，让人体数据负责预训练的规模与物理常识，真机数据负责最后一公里的后训练与本体对齐。文章还提到，近期国内外机器人公司密集展示双足新运动能力，从打球到简单任务，说明人形机器人正在脱离「只能跳舞表演」的初级阶段。这意味着，如果「足式人形也能干活」逐步被验证，硬件设计优先级可能改变：腰部和肩部电机要扛得住反复搬运的负载与发热，灵巧手要经得起高频使用，续航、自主充电与换电会成为机器人能否留在工作现场的关键；软件与交付方式也需围绕具体任务调整，客户最终买到的应是一套能在现场持续完成工作的系统。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。