在中央广播电视总台2026年春晚舞台上，宇树科技作为春晚机器人合作伙伴，第三次亮相总台春晚舞台，并携旗下G1与H2人形机器人献上了全球首次全自主人形机器人集群武术表演。

宇树科技介绍道，在本次节目《武BOT》中，宇树的人形机器人展现出前所未有的运动性能，实现了多项全球首次技术突破：实现全球第一次连续花式翻桌跑酷，全球第一次弹射空翻、空翻最大高度超3米；全球第一次单脚连续空翻、两步蹬墙后空翻，以及全球第一次Airflare大回旋七周半等高难度动作。

与此同时，本次演出使用全新升级的高并发集群控制系统进行协同控制，实现了几十台机器人实时协同动作，动作同步误差严格控制，达成超低同步延迟。

解决三类技术挑战

据宇树科技介绍，《武BOT》节目从2025年11月开始正式启动筹备。团队首先根据节目创意拆解出多个技术模块，同步展开基础软件开发与算法验证工作，包括舞蹈群控平台、定位算法升级以及新型运动控制算法的测试。随后与演员（塔沟）团队进行线下对接，并搭建了实景测试场地用于流程磨合。

“在此期间，我们与春晚导演组展开多轮现场沟通与联合优化，经过反复迭代和多次联排，最终在除夕夜将节目完整呈现给观众。”宇树科技表示。

在节目准备的过程中，宇树科技团队在不同阶段分别攻克了三大类技术挑战。

早期阶段，研发重点在于运控算法设计与模型训练，主要解决动作衔接、时间同步与集群控制等关键问题。

中期阶段，主要面临导航定位与轨迹追踪的挑战。宇树科技在定位上采用AI融合定位算法，通过AI处理本体感知数据，并与3D激光雷达数据深度融合，每秒处理上百次环境信息，这套算法能够保障机器人在剧烈运动后仍能精准定位。防止在空翻等剧烈动作下，传统定位算法丢失跑飞的问题。

后期阶段则重点攻克高难度动作的稳定性问题。宇树团队通过大量测试分析问题成因，首先对硬件结构及电机进行升级，以提升性能上限；随后针对新硬件特性优化动作映射与动力学参数，不仅提升了常规武术动作的质量，更成功实现了高难度特技动作的稳定呈现。

最难动作有三类

对于本次《武BOT》节目中最难的技术动作，宇树科技表示，节目中难度最高的动作集中在三个类别，每一类都有各自的技术壁垒。

一是物品交互动作，如棍法、双节棍、宗师剑等，这些动作的难点在于机器人对器械状态及外部扰动的实时感知与自适应控制。宇树通过对器械进行物理建模，在仿真环境中进行大规模强化学习训练，使机器人掌握了对手中器械的动态感知与力矩控制。

二是环境交互动作，如跑酷翻桌、蹬墙这类动作，核心挑战在于高速运动中对相对位置的精准估计，以及落足点的动态调整。工程师通过在仿真中穷举可能出现的位姿偏差，训练机器人在奔跑过程中实时规划脚步，最终实现对桌面、墙面等障碍物的稳定跨越与借力。

三是空中连续转体等地面极限动作，是对机器人软硬件性能、运动控制与融合定位的综合极限考验。宇树团队通过硬件结构升级、电机性能优化、运控算法迭代以及多传感器融合定位，完成了高难度特技动作，还能实现空翻后的厘米级落点控制。

如何实现几十台机器全自主表演？

为呈现本次高难度武术表演，宇树在算法、硬件与系统层面进行了系统性升级。宇树科技表示，本次表演为几十台机器的全自主表演，该系统由宇树科技自主研发。

首先使用机器人自带的3D激光雷达，实时对整个舞台场景进行激光扫描和定位，使得机器人能知道自己在舞台的位置。

机器人在接收到控制台的指令后，会调用走位运控算法追踪控制台下发的目标点轨迹，并在规定时间内到达目标终点，随后调用武术运控算法精准完成武术动作序列。

在持续高强度表演过程中，宇树机器人还具备实时自我监测能力，可实时监控各模块运行状态，全自主识别异常并迅速恢复，确保长时间、高强度的武术动作稳定且流畅进行。

同时，多台机器人还能在动态行进中自主保持精准定位与队形一致性，即使机器人不小心跑偏了，也能全自主快速恢复。

机器人春晚表演技术将用于真实场景

春晚表演结束后，机器人的能力如何应用于现实场景并商业化，是人形机器人企业需要面对的共同问题，亦是市场关注焦点。宇树科技强调，节目中攻克的技术难题，与机器人在真实场景中面临的挑战高度相通，具备明确的应用迁移路径。

宇树科技指出，多机协同系统支撑整场武术表演的集群自动控制系统，解决了数十台机器人在复杂队形下的实时调度与动作同步问题。这一技术可迁移至工业场景中的多机器人协同巡检、仓储分拣、装配流水线等任务，实现规模化作业的高效统筹。

柔顺操作与外力干扰应对，在棍法及夺棍环节中，机器人需在抓握器械的同时应对来自人类的外力冲击，该技术可直接应用于精密装配、重物搬运、家政服务等场景，帮助机器人在操作过程中实时感知并适应外部扰动。

表演中展现的跑酷翻桌动作，则是相对定位与环境交互技术，这一能力本质上是动态环境下的相对定位与交互控制，与机器人向货架码放货物、在狭小空间穿行、上下楼梯等任务需求高度一致，迁移至现实场景后，这一技术将显著提升机器人的作业效率与环境适应能力。

（文章来源：证券时报）