UIUC(伊利诺伊大学厄巴纳-香槟分校)团队提出的 ULTRA 框架给出了迄今最有说服力的答案之一——它不仅被主会接收为 Oral,更入围了最佳移动操作论文奖候选。
协作机器人
一、架构解剖:ULTRA 凭什么一个控制器通吃所有场景?ULTRA(Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation)的核心命题是:用一个统一控制器,同时接管"有参考"和"没参考"两种世界。
论文开宗明义地指出了行业的三大死结:重定向数据稀缺且质量差;技能库一扩大方法就失效;更致命的是,现有方法只能跟踪预定义运动参考,而不是从感知和任务指令中生成行为。
ULTRA 用两大组件拆解了这个死结:
① 物理驱动的神经重定向——把人类动捕"翻译"成机器人的肌肉记忆。 传统重目标是把人动作映射到机器人关节,结果往往是脚滑、穿模、接触穿帮。ULTRA 的重定向策略在物理仿真中训练,在接触密集交互中依然保持物理合理性,而且一旦策略训练完成,未见过的物体尺寸、未见过的轨迹都能泛化——相当于建了一台永不停机的数据印钞机。这是它敢于挑战"数据稀缺"的底气。
② 统一多模态控制器——一个策略,四种输入。 它先蒸馏出一个通用跟踪策略作为"底座",再把海量运动技能压缩进紧凑的隐空间(latent space),最后用强化学习微调扩大覆盖范围、增强分布外鲁棒性。最终产物是一个同时支持四种工作模式的控制器:
密集参考跟踪:给完整动作序列,它精准复现(通用动捕执行);稀疏目标跟随:只给终点意图,它自己生成中间全过程;细粒度指令:键盘一格格微调目标,全身依然协调;第一人称感知:只靠机器人自己头上的深度相机,在噪声点云下完成任务。一句话概括 ULTRA 的架构哲学:先学会所有动作,再忘记"必须看着答案做动作"——从"复读机"进化为"生成器"。
二、核心定位与技术路径:不做"LLM 外挂控制器",做物理原生的通用底座ULTRA 的定位在 IROS 2026 语境下格外扎眼。同期产业媒体的观察是:具身学术与产业的边界正在消融,评测体系已从"刷题"转向"实战"。而 ULTRA 选择的路线,恰恰是这个转向的注脚。
它没有走"大模型外挂控制器"的老路。 当前更主流的做法是把 VLA/LLM 架在传统运动控制器之上——上层负责"想",下层负责"动"。这条路见效快,但有一个结构性隐患:语言模型输出的高层指令和物理身体之间存在语义-动力学鸿沟,一旦场景超出训练分布,上层还在滔滔不绝,下层已经摔倒。
ULTRA 的路径更"重"也更"根本":
第一,物理驱动优先。 从数据生产(物理重定向)到策略训练(RL 微调),全部在物理合理性约束下完成。这保证了技能库里的每一个动作本身就是可执行的,而不是"看起来对"。
第二,技能即隐变量。 把成百上千个运动技能压缩到紧凑隐空间,意味着控制器的容量不再被技能数量拖垮——这正是它能突破"技能规模无法扩展"瓶颈的关键设计。
第三,感知即状态。 控制器既吃精确的动捕状态,也吃带噪声的第一人称深度点云。这是从实验室走向真实世界的分水岭:动捕是科研的拐杖,本体感知才是产品的腿。
这条路线的价值在于:它不依赖某个具体大模型,而是提供了一个可插拔的物理控制底座——无论上层接入 VLA、LLM 还是任务规划器,它都能把高层意图变成全身协调的物理动作。这正是"物理 AI"一词的真正含义。
三、验证与表现:从仿真到黄昏的校园广场,市场价值在哪里?验证矩阵:全谱系、真闭环。 团队在仿真和宇树 G1 真机上完成了评估,五种模式全部打通:动捕状态下的密集跟踪、稀疏目标长时程跟随、键盘增量控制、第一人称深度感知跟随、以及带噪声点云的 Sim2Sim 迁移。项目主页的展示视频中,G1 在黄昏时分的校园广场完成"接近—抬起—搬运"的完整闭环——实验室外的真实光照、真实地面、真实噪声,这比任何仿真指标都有说服力。结果显示,ULTRA 在自主目标条件任务上持续优于只能跟踪的基线方法。
市场潜力:它解决的是"最后一公里"的通用性。 人形机器人产业化的瓶颈正在从硬件(关节电机、减速器已批量降价)转向软件(泛化能力)。当前工厂里 demo 的搬运、分拣、上下料,无一不是人工遥操或脚本化任务。ULTRA 这类"稀疏指令驱动"框架,瞄准的正是任务定义成本这个商业命门——客户不再需要为每个动作录制轨迹、每个场景重训模型,部署成本将呈数量级下降。
对行业的三大启示:
数据引擎 > 数据规模。 物理重定向让"一次训练、无限产数据"成为现实,数据壁垒将从"采了多少"转向"引擎好不好"。控制底座的通用性是新护城河。 当本体趋同,胜负手在"一个控制器适配多少任务、多少本体"。中国硬件 + 世界算法是常态。 G1 成为顶级学府的默认平台,中国本体厂商已经在事实上赢下了"物理 AI 的标准载体"之战——这为国产厂商承接全球算法生态埋下伏笔。总结:ULTRA 是物理 AI 的探索者,国产替代的接力棒在谁手里?ULTRA 的意义不在于某一次抓取,而在于它证明了:统一、感知驱动、无需测试时参考的全身控制,是可以工程化的。 它是"从语义正确到物理正确"这条路上坚定的探索者。
值得玩味的是技术流向:框架出自美国学府,载体却是中国硬件。这说明在具身智能的"身体"环节,国产已无可替代;但在"运动智能底座"这一层,国产还缺一个公认的标杆。谁最可能补位?
第一梯队——宇树科技:最大受益者候选。 逻辑有三:其一,G1/G1 EDU 已是全球高校具身研究的事实标准平台,ULTRA 等国际框架越多,宇树生态的转换成本越高;其二,硬件毛利率之外,开源 SDK 和全球开发者社区构成软件层面的复购黏性;其三,本体厂商天然是"控制底座"的最佳集成者——别人的框架跑在它的机器上,最终沉淀为它的量产能力。若宇树完成 IPO,将是 A 股最纯正的人形本体标的。
第二梯队——智元机器人:量产与数据闭环的赢家。 智元的优势不在单点框架,而在"量产出货→真实数据回流→模型迭代"的飞轮,这与 ULTRA 揭示的"数据引擎为王"趋势同频。远征/灵犀系列若在工业场景放量,其运动控制栈是最可能长出"类 ULTRA 底座"的土壤。
可投资标的组合:优必选(Walker S 进厂+自研"群脑"网络,最接近"自研控制底座+本体"双轮驱动);地平线机器人(具身智能芯片+地瓜 S600"大小脑一体化",卡位算力层);越疆(协作臂龙头向人形延伸,弹性标的)。重点跟踪:宇树、银河通用与自变量机器人(本体大模型路线)。