宇樹輪足人形機器人秀滑冰空翻

Post LinkedIn

🏠閱讀原文： IT之家

#humanoid-robot #embodied-ai #robotics-demounitree-wheeled-humanoidunitree g1-d

💡宇樹人形機器人精通空翻滑冰—具身 AI 敏捷性躍進，機器人開發者必看。

⚡ 30-Second TL;DR

有什麼變化

執行流暢滑冰、輪滑、360 度轉身

為什麼重要

以敏捷運動示範推動具身 AI 前進，加速機器人實境應用。

下一步行動

測試宇樹 G1-D 套件，用於人形機器人 RL 訓練運動資料採集。

誰應關注：Developers & AI Engineers

關鍵要點

•執行流暢滑冰、輪滑、360 度轉身
•完成單足轉圈及前空翻
•最適合通用 AI 與人類資料訓練平台
•延伸 G1-D 輪式機器人資料採集方案

🧠 深度解析

AI-generated analysis for this event.

🔑 增強重點摘要

•宇樹科技（Unitree）的輪足式設計結合了輪式移動的高效率與足式機器人的地形適應能力，旨在解決人形機器人在平坦地面長距離移動時的能源消耗問題。
•該機器人採用了宇樹自研的關節電機與高扭矩密度驅動系統，使其能夠在極短時間內爆發出完成前空翻所需的動態力量。
•此類機器人平台強調「端到端」的強化學習（Reinforcement Learning）訓練，透過模擬環境與真實世界資料的閉環迭代，提升機器人在複雜動態環境下的控制穩定性。

📊 競品分析▸ Show

特性	宇樹 (Unitree) 輪足人形	Tesla Optimus	Figure AI (Figure 02)
移動方式	輪足混合 (高機動)	純足式 (仿生)	純足式 (仿生)
核心優勢	輪式移動效率、動態特技	大規模數據、量產能力	商業化落地、通用操作
價格定位	高性價比 (消費級/科研)	未公開 (目標低成本)	未公開 (企業級)

🛠️ 技術深入

• 運動控制架構：採用基於模型預測控制（MPC）與深度強化學習（DRL）的混合控制策略，實現滑冰與空翻等高動態動作。 • 輪足機構：腿部末端整合了主動輪式驅動模組，具備主動懸吊與高頻率力矩控制能力，以應對滑冰時的摩擦力變化。 • 感知系統：搭載多目視覺感測器與高頻慣性測量單元（IMU），實現對自身姿態與環境地形的即時感知與預測。 • 訓練方案：基於 G1-D 數據採集平台，利用大規模模擬訓練（Sim-to-Real）技術，將訓練好的策略部署至實體機器人，並透過實體數據回傳進行微調。