2026人形机器人运动会 智元量产机型夺双榜第一

2026世界人形机器人运动会落下帷幕，首次参赛的智元团队拿下了亮眼成绩：18枚金牌、16枚银牌、12枚铜牌，总计46枚奖牌，不仅金牌数领跑全场，奖牌总数也位居榜首，成为本次赛事的双冠得主。

值得注意的是，本次参赛的所有机型均为量产版本，并未针对赛事专门定制修改硬件参数。不同于可以围绕比赛规则调整设计的定制样机，量产产品需要兼顾成本、可靠性、维护效率与批量一致性，无法为单一项目追求极限性能，因此量产机型在公开赛场的表现，更能反映产品在真实商业场景中的能力边界。

本届赛事共设置51个竞赛项目，分为竞技赛、灵巧手专项赛与场景赛三大板块，基本覆盖了人形机器人的核心能力维度。其中，智元旗下的OmniHand在8个灵巧手专项赛事中斩获7金，精灵G2在酒店运维、室内应急、图书馆服务等12个场景赛中拿下6金，远征A3在舞蹈、武术、乒乓球等竞技项目中夺得5金，灵犀X2则在100米田径障碍赛拿下金牌，400米障碍赛再添银铜两枚奖牌。

单项成绩只能体现单一动作或某类任务的能力，而总榜排名考验的则是机器人的综合实力。人形机器人需要在精细操作、场景作业、高动态运动等多个项目中持续稳定发挥，任何一处能力短板都会影响最终排名。智元同时登顶金牌榜与奖牌总数榜，说明其优势覆盖多个能力维度，这份成绩具备更强的综合参考价值。

这场赛事更像是一场真实上岗测试

在三大赛项中，场景赛与人形机器人的商业落地距离最近。参赛机器人需要在20至30分钟内按序完成多个连贯作业环节，任意一个环节未达标都无法获得分数，且不能直接跳过后续任务。随着任务链延长，感知误差、抓取失败与定位偏差的累积效应会被放大，对机器人的整体稳定性提出极高要求。

以酒店运维赛为例，智元精灵G2需要独立完成行李搬运、客房补货与房间整理三项任务，过程中还要穿过窄门与狭窄过道，精准识别门把手、电梯按钮等小型目标。不同酒店的物体外观与摆放位置存在差异，现场光线变化与人员走动也会持续干扰感知结果。智元团队通过GO系列大模型增强视觉特征提取能力，融合RGB与深度信息帮助机器人判断目标位置与姿态，同时加入空间约束机制降低环境变化对后续决策的影响，确保识别、导航与操作环节连贯衔接，让机器人能够在复杂室内环境中稳定推进任务。

室外场景赛的考验更为严苛。精灵G2需要自主完成违禁品识别、不文明行为巡检与垃圾拾取三项串联任务，光照、天气与地面干湿状态都会改变感知条件，复杂地形则会进一步考验底盘通过性与运动控制能力。为保障长时间室外运行的稳定性，智元通过Genie Agent规划整条任务链，并针对不同时段、晴雨天气与干湿地面开展了全覆盖测试，正式比赛仅提供一次执行机会，最终比拼的正是整套系统在动态变化环境中的稳定交付能力。

所有作业最终都需要通过手部完成。OmniHand以单一款量产产品进入8个灵巧手专项赛决赛，拿下7枚金牌。积木搭建、粉末称重、镊子夹豆、开瓶撬盖等项目，分别考验了精细夹取、稳定施力、工具使用与双手协同能力。以粉末称重项目为例，机器人需要自主找到勺子与盐罐，将粉末逐步加入电子秤，最终称出20克且误差不超过0.5克，智元联合团队仅用时27秒就完成了该项任务。OmniHand有3个项目以全自主方式夺金，证明同一套硬件能够适配多种不同任务场景。

远征A3与灵犀X2则将考验从手部扩展到全身运动能力。远征A3在太极拳、国标舞等项目中，需要连续完成腾空、转体、单腿支撑与低重心姿态切换等动作，动作幅度大、节奏变化快，对全身协调控制能力要求极高。它能够实现毫秒级的全身姿态调整，在腾空过程中随时校准躯干与四肢角度，动态调节重心平衡。这类高难度动作无法仅通过真机反复测试完成，因此远征A3采用了Sim2Real的技术路径，先在仿真环境中进行大量训练，再将习得的运动能力迁移到真机上。

灵犀X2参加的100米障碍赛则进一步提升了难度，台阶、窄通道与起伏路面接连出现，机器人需要在保持高速移动的同时识别地形并实时调整步态，一旦重心偏移就可能导致减速、碰撞甚至摔倒。灵犀X2搭载了自研的AGILE生成式通用小脑引擎，不仅能够感知自身关节状态，还可以通过视觉识别环境障碍，一边观察不规则地形一边实时规划通过策略，在不同地形上都能实现自主或半自主决策，打破了传统运控方案仅能固化单一动作的局限。

核心技术支撑：全栈协同的智能体系

智元本次赛事的亮眼表现，离不开其「三智一体」的技术架构。该架构以单一机器人本体为载体，集成三种核心智能模块：运动智能相当于机器人的小脑，负责控制行走、奔跑等基础运动；交互智能负责人机交流与环境理解；而真正负责执行作业任务的则是作业智能，从任务理解到动手执行的全流程都由其主导。

在三大模块中，作业智能是智元投入资源最多、打磨时间最长的部分。这套作业智能系统包含三个核心模型：具身基座大模型GO、世界模型GE与大规模分布式真机强化学习框架RW-RL。其中，GO模型负责任务理解，比如接到「整理客房」的指令时，能够自主识别散落物品、判断归置位置并规划合理的执行顺序；GE模型相当于机器人的「脑海模拟器」，在执行动作前就能提前推演后果，比如预判抓取某一物体时是否会发生倾倒；RW-RL则通过在真实场景中反复训练，让机器人将「看起来会做」的能力转化为「出手即成」的稳定操作。

这三个模型共同打造了机器人的泛化能力：在酒店场景中习得的整理技能，可以直接迁移到图书馆理书任务中；在精灵G2身上训练出的能力，也可以快速适配其他机器人本体。这也解释了为什么智元敢于直接使用量产机型参赛——全靠这套具备通用性的智能大脑。

除了作业智能，运动智能与手部操作能力也同样关键。远征A3的Sim2Real训练方案、灵犀X2的AGILE引擎，共同保障了全身运动的稳定性。而OmniHand搭载的DUET架构，则通过外层控制位置姿态、内层感知触觉反馈的双层设计，让机器人能够精准完成各类精细操作，实现了感知与操作的实时协同。

值得一提的是，智元实现了大脑、小脑与手部硬件的深度协同进化。从底层机身、能源、执行器，到感知、控制与高层决策，所有软硬件模块都由同一团队研发迭代，模型能够清晰适配本体的能力边界，本体设计也会为智能系统预留足够的发挥空间。这种全栈整合的模式，相比拆分开发的方案能够实现更流畅的配合，避免了各模块之间的适配损耗。

真正的竞争，在于没有明显短板

很多人对人形机器人的印象停留在社交媒体上的炫酷动作视频，认为行业竞争比拼的是动作难度。但机器人领域的真正难点在于，它很难依靠单点能力实现实用化。正如相关行业专家指出的，机器人学本质上是一门「构建超复杂综合系统」的学科，从底层硬件到高层决策的所有软硬件拼图都需要完整，任意一处缺失都会在真实场景中暴露问题。

智元的奖牌分布恰恰体现了这一点：它们没有集中在某一类能力上，而是分散在灵巧操作、全身运动、场景作业等完全不同的项目中。这种分散的获奖分布，反而更能反映团队的综合实力——它考验的是一家公司能否同时把本体设计、运动控制、环境感知、手部操作、软件工程与量产可靠性等多个领域做到没有明显短板。

过去几年，人形机器人的出圈热点往往是单一的惊艳动作，但当产品真正走出实验室走向商业落地，行业竞争将不再是单项赛，而是比拼谁能搭建出完整的全栈系统。智元本次双榜第一的成绩，更像是一张综合能力的成绩单：单项冠军或许可以通过单点突破实现，但在多个赛道都保持领先、没有明显短板的表现，才是这个行业真正难以拿下的冠军。