擂臺上，戴紅色拳套的人形機器人和穿著護具的人類拳手對峙論文。人類出拳，機器人側身讓開；人類起腿，它後撤一步穩住重心；等到空檔出現，它單腿支撐，另一條腿掃向對手軀幹。
影片全長38秒，畫面標註全程實拍、沒有加速論文。9月7日晚，宇樹科技放出這段G1人形機器人的自由搏擊實錄，同時給出一個技術定性：全球首次由世界模型即時驅動的全自主人形機器人格鬥。
（首圖｜來源：微博@宇樹科技 9月7日釋出截圖論文。影片封面即為人機對峙畫面，原影片38秒，釋出15小時觀看量6.2萬次）
全自主三個字是整段影片的分水嶺論文。過去一年，人形機器人在擂臺上揮出的每一拳，背後幾乎都站著一個人。這一次，遙控器放下了。
01.
此前的每一拳論文，都是借來的
2025年5月，CMG世界機器人大賽把G1送上格鬥擂臺，那場直播裡，機器人的攻防由場邊操作員遙控完成論文。美國的REK、UFB等機器人格鬥聯盟走得更遠，把VR頭顯和手柄做成標配，機器人實際上是操作員的遠端替身。更多展會上的擂臺表演依賴預設動作庫，出拳、格擋、倒地起身全部按指令碼回放，兩套程式並排播放，彼此之間沒有真正的互動。
三種模式有一個共同點：決策權在人手裡，或者在指令碼里，機器人只負責執行肢體論文。
這條影片的差別恰在決策權的歸屬論文。畫面中，G1會跟著對手調整站位，對手移動後它不再對著空氣揮拳，而是重新瞄準、出拳、收勢。按照官方口徑，全程無預設招式、無人工遙控，機器人自主完成預判、閃避、進攻、重心恢復，跑通了從感知到預測、從決策到執行的完整閉環。
人類一拳從啟動到命中，快則零點幾秒論文。機器人要在同一個時間視窗裡做完四件事：看清對手的動作，評估威脅，決定應對，把指令下發給全身關節。
按傳統的分層架構，這四步序列執行論文。相機採集、狀態估計、規劃求解、電機響應，每一環都在吃掉時間預算。環環相加，被動反應式的控制永遠慢半拍，拳頭到了眼前，指令還在路上。
展開全文
解法只有一個，把反應變成預判論文。在機器人內部執行一個推演引擎：給定當前觀測和一組候選動作，先算一遍接下來會發生什麼，再挑一條最有利的軌跡交給身體執行。搏擊把這種需求推到了極限，對手行為不可預知，碰撞和擾動持續發生，推演慢一拍就直接失衡。官方把擂臺稱作高壓測試場景，原因就在這裡。
模型負責想，身體負責扛論文。擂臺上兩個畫面最能說明硬體的分量。
一個是單腿踢擊論文。G1身高約1.32米，體重約35公斤，全身23至43個關節電機（視配置而定），關節峰值扭矩最高120牛·米。單腿支撐時，全身重量壓在一側的踝與髖關節上，另一條腿還要加速甩出，扭矩裕度差一點就是側翻。
另一個是挨踢後的後撤步論文。被踢中的瞬間，衝擊先由關節吸收，低減速比、可力控的關節方案讓電機能在碰撞中反向卸力，隨後全身協同調整姿態，幾步之內把重心收回來。
02.
官方沉默論文，論文開口
影片只有畫面和結論論文。沒有論文，沒有延遲資料，沒有評測基準，UnifoLM-X2-1.0的內部結構，官方一個字都沒說。
三週前，8月17日，arXiv上掛出一篇論文，RoboStriker論文。作者來自上海交通大學、上海人工智慧實驗室、華中科技大學、中國科學技術大學、上海創智學院，研究的是同一件事：讓29個自由度的G1人形機器人學會全自主拳擊，並且完成了真機部署。
先把關係說清楚論文。論文署名裡沒有宇樹，官方也沒有公佈X2-1.0與這項研究的任何關聯，它是學術界交出的同題答卷，不是宇樹的官方論文。它的價值在於，這是目前公開渠道里唯一能拆開來看的同類系統。想搞清楚全自主搏擊背後的技術底座，這篇論文是最好的參照樣本。
論文首先回答了最根本的那個問題：讓機器人自己摸索著打架，為什麼這麼難論文。
答案是“具身冷啟動”論文。G1有29個自由度，每個控制週期要填29個數字，而這些數字的絕大多陣列合在物理上站不住。強化學習要靠大量、多樣的探索才能發現戰術，可在29維關節空間裡亂撞，機器人還沒打出第一拳就先摔倒了，戰術智慧根本沒有機會出現。
RoboStriker的解法是換一張地圖論文。不在29維空間裡博弈，先把什麼動作物理可行蒸餾成一個32維的隱空間，歸一化到單位超球面上，球面上的每一點都對應一個站得住的動作。策略學習搬到這張有界的地圖上進行，再怎麼探索，也掉不出物理可行的邊界。
地圖分三步畫出來論文。
第一步，找職業拳擊手，用Xsens慣性動捕採集30分鐘、50Hz的動作，出拳、防禦、步法、轉換全覆蓋，映象翻倍後重定向到G1身上，訓出一個運動追蹤器論文。這一步先把拳擊長什麼樣固化下來。
第二步，師生蒸餾論文。把追蹤器學到的運動知識壓縮排32維隱空間，配上共享解碼器，隱碼進去，29維關節指令出來。
第三步，先打靶，再對打論文。打靶階段用對抗運動先驗（AMP）約束動作風格，讓機器人像個拳手，而不是亂揮；對打階段用隱空間神經虛構自博弈（LS-NFSP），每個機器人帶兩套策略上場，最佳響應策略負責進攻進化，平均策略負責穩定錨定，九成時間出狠招，一成時間走老路。
（配圖｜來源：RoboStriker論文Figure 1，arXiv:2608.16195論文。左為運動追蹤器預訓練與隱空間蒸餾，右上為AMP行為預熱，右下為隱空間神經虛構自博弈）
為什麼偏偏是32維？論文做了對照實驗論文。8維和16維壓得太狠，動作重建誤差分別高達128.2毫米和85.9毫米；64維的動作更精細，搜尋空間卻隨之膨脹，戰術學習變慢，進攻落點率從0.685掉到0.520。32維恰好卡在動作保真與策略易學之間的平衡點上。
訓練成本也值得一說論文。整套系統在單張RTX 4090上訓練，Isaac Lab模擬器裡同時跑4096個平行擂臺，物理迴圈200Hz，策略頻率50Hz。消費級顯示卡幹成這件事，意味著這套方法論的複製門檻並不高。
成績先擺出來論文。RoboStriker與8個基線交叉對戰，全勝。對直接在29維關節空間做自博弈的方法，勝率100%。進攻落點率0.685，是原始空間基線0.142的4.8倍；交戰率0.824，意味著八成以上的時間裡，機器人同時保持著有效擊打距離與朝向對齊，沒有消極避戰。
消融實驗拆出了最值錢的部件論文。拿掉打靶預熱，戰術學習直接癱瘓，落點率只剩0.050，不到完整模型的十三分之一。拿掉AMP風格約束，機器人還在進攻，架勢沒了，落點率跌去28%。結論很直白：先學打靶再上擂臺，比想象中重要得多。
（配圖｜來源：RoboStriker論文Figure 4，arXiv:2608.16195論文。MuJoCo模擬視覺化對比，去掉AMP後機器人姿態明顯變形）
真機部署也跑通了論文。兩臺G1在動捕棚裡對打，策略以50Hz跑在機載CPU的ONNX Runtime上，雙機透過ROS 2協調，骨盆上的標記點以100Hz提供對方的位置。
（配圖｜來源：RoboStriker論文Figure 3，arXiv:2608.16195論文。）
影片：兩臺G1在動捕環境中近身對打論文，注意這是論文的實驗畫面，不是宇樹官方影片（來源:RoboStriker專案主頁）
到這裡，論文與影片可以放在一起對照了，差異比相似更有資訊量論文。
論文裡是雙機對打，影片裡是人機對打論文。論文靠動捕棚的標記點告訴機器人對手在哪，影片沒有交代對手感知從哪裡來，畫面日誌裡只有策略伺服器的請求記錄。論文的策略跑在機器人自己的CPU上，影片的日誌顯示，重的推演跑在擂臺之外的工作站上。
（配圖｜來源：宇樹官方影片截圖論文。左列實拍畫面為人機對打，中右兩列模型預測 規劃未來為模型推演畫面，底部日誌欄可見[Client]→PolicyServer的OBS/replan請求與env.step動作下發）
最耐人尋味的是路線差異論文。論文走自博弈，戰術從兩個智慧體的相互進化里長出來；官方敘事走世界模型，靠預測未來再行動。一個回答戰術從哪來，一個回答行動憑什麼準。從工程邏輯看，這兩個問題遲早要在同一個系統裡匯合。
沒答的題同樣要列清楚論文。論文沒有報告真機勝率，沒有公開失敗案例，沒有與真人交手，理論部分的嚴格證明放在專案主頁而非正文。官方那邊，沒有論文，沒有延遲資料，沒有benchmark。對手拳頭的感知，是兩套系統共同的盲區。
03.
擂臺只是考場
搏擊的意義從來不在搏擊論文。把這份能力清單拆開看：預判外部擾動、動態維持平衡、接觸力可控、突發狀況即時重規劃，每一項都對應著非結構化環境裡的真實作業需求。工廠裡被工件撞了一下的機械臂，廢墟里踩著瓦礫的救援機器人，客廳裡繞著孩子走的家庭機器人，需要的就是同一組本領。
之前的擂臺直播裡，拳頭屬於操作員論文。這一次，拳頭屬於模型。論文裡的模型在動捕棚裡打雙機，影片裡的模型在工作站的加持下打人機，下一個版本要回答的問題已經擺在那兒：把推演搬回機器人自己的身體，把感知從標記點換成自己的眼睛。
等那一天到來，38秒的擂臺實錄，才算真正變成日常論文。
參考資料
[1] 宇樹科技官方微博 @宇樹科技論文，2026年9月7日影片釋出：UnifoLM-X2-1.0實現人形機器人全自主搏擊
[2] Kangning Yin, Kaige Liu, Zhe Cao, et al. RoboStriker: Latent-Space Strategic Games for Autonomous Humanoid Boxing. arXiv:2608.16195, 2026-08-17.
[3] RoboStriker專案主頁論文：
[4] 太平洋科技快訊：世界模型即時驅動論文，宇樹科技首次實現全自主人形機器人格鬥，2026-09-08
[5] 中新經緯：全球首次！宇樹科技實現人形機器人全自主搏擊論文，2026-09-07
[6] Humanoids Daily: Unitree Unveils UnifoLM-X2: World Model AI Powers Fully Autonomous Robot Combat, 2026-09
[7] The Yangtzeer: Unitree pushes humanoids from scripted moves to autonomous fighting, 2026-09
[8] AlphaSignal: Unitree's UnifoLM-X2-1.0 Lets Humanoid Robots Fight With No Human Control, 2026-09
[9] 北京日報微博：2026世界機器人大會宇樹展臺報道論文，2026-08-19
[10] 宇樹G1官方引數頁論文：
