OpenLoong_的博客

2025年被视为人形机器人产业化元年，实时性控制成为规模化落地的关键瓶颈。OpenLoong开源社区与国讯芯微合作，通过硬实时操作系统和开源控制框架，将控制抖动降至微秒级，实现亚毫米级运动精度。双方技术融合解决了多设备协同、边缘计算等难题，在电子制造等场景验证中显著提升效率、降低成本。开源生态持续扩展，推动人形机器人技术从实验室走向产业化应用，降低行业准入门槛。

OpenLoong开源社区受邀参与此次交流，首次系统性地将开源人形机器人全栈体系带入基础教育场景，与基础教育群体进行了一次面对面的交流，观察真实教育需求，完成了一次从技术生态到教学需求的面对面“校准”。这场研讨会的价值，在于它清晰地展示了一个认知跃迁的过程：学生从最初的“好奇观看者”，转变为“积极操控者”，最终迈向“初步理解者”，对于大多数人而言，完成从“看到机器人”到“懂得机器人”的跨越，往往需要多年的专业学习，而开源生态的引入，像一座桥梁，将这一启蒙阶段大幅提前至中学甚至小学课堂。”徐毓泽博士总结道。

OpenLoong开源社区技术观察当人形机器人在喧嚣的工厂里执行操作，或在热闹的家庭中回应指令时，背景噪声就像一堵无形的墙，阻挡了它与人类的交流。传统方法如果强力降噪，虽然能降低噪声，却容易让语音失真，关键指令丢失；而如果保留语音完整性，又难以在复杂环境下准确捕捉声音。这种“保真”与“降噪”的矛盾，一直制约着机器人在真实场景中的表现。新一代语音增强模型 TFCM 带来了突破。

本篇文章将着重介绍具身智能中的“看—想—做”闭环，以及从数据采集到模型部署的工具链体系，展示机器人如何逐步走向实用化。

本文小Loong将围绕Figure 03的新演示为线索，深入探讨Figure 03髋关节的三大突破如何重塑其运动逻辑，实现从“机械感”到“人性化”的跨越。同时，分析这些技术成果如何向“家务自由”转化，并总结当前面临的关键瓶颈。

大赛报名通道即将关闭，距离最终截止仅剩最后一个月，诚邀全球开发者踊跃参与，共同推进具身智能技术的开源发展。

近日，项目团队进一步开放了TA00-12-00 腿足系统的三维图纸，标志着青龙公版机在硬件层面的开放深度再次拓展，为研究者、开发者提供了更直观、可操作的参考资料。

从“看懂”牌局到“动手”出牌，整个过程在同一个智能体系中一气呵成，这正是VLA所代表的革命性跨越。本文将围绕VLA技术，层层递进地阐述了其突破性、工作原理与未来方向，为开发者理解技术演进脉络、把握未来走向提供清晰的技术图景。

本文将深入探讨多机器人系统面临的三大核心挑战：运动规划、任务调度与任务分配的"耦合地狱"，解析谷歌DeepMind等机构最新推出的RoboBallet系统如何通过图神经网络实现突破性创新，并展望该技术在智能制造、仓储物流、医疗救援等领域的应用前景。

本篇文章将介绍大小脑协同与算控一体化，它们如何为机器人带来快速反应与深度决策的平衡，帮助机器人成为“既聪明又敏捷”的智能体。

在最近的OpenLoong社区高校行分享中，小象电动带来了一场关于“轴向磁通电机在机器人关节应用进展”的深度演讲，为我们揭开了这一被誉为机器人未来“超级心脏”的技术图景。

本文将以此次技术分享为线索，深入探讨如何通过融合高级力控、人工智能与机器人操作系统，构建真正具备适应性的机器人系统。

我们将从末端执行器的类型、工作原理和实际应用等方面入手，带你一步步了解它如何成为机器人实现智能操作的“灵魂之手”。

8 月 16 日，在 OpenLoong 社区举办的第九期线下分享会上，国家地方共建人形机器人创新中心的软件开发负责人 Amadeus 博士带来了一场主题为“跨域机器人通信与智能系统：打破行业壁垒的创新方案”的演讲。

本文将结合最新行业洞察，带你由浅入深，看懂双足机器人腿部设计背后的门道与未来。

本文将围绕王韬涵博士的分享，梳理其在“精度与灵活性协同”“具身智能闭环训练”“开源仿真平台构建”等方面的核心观点与实践路径，为关注工业机器人智能化升级的研究者、工程师与行业伙伴，提供一个可供借鉴的技术框架与落地参考。

在具身智能语境下，这些感知模组不仅服务于动作控制，更构成任务决策中的关键输入，可感知空间结构、人体存在、音源定位等信息。在当前人形机器人逐步进入产业落地阶段的背景下，构建一个真正“可走、可控、可工作的”人形机器人，需要结构工程、控制算法、驱动系统与智能模型的深度协同。在“行者一号”阶段，团队重点聚焦于步态能效与稳定性，进入“行者二号”阶段，控制系统升级为支持 30 自由度关节联动的动态控制系统，结合肌腱驱动带来的结构耦合特性，实现了更贴近人类动作逻辑的控制响应，支持非结构化环境中的复杂地形行走与障碍规避。

则贯穿整个系统，作为任务调度、状态管理与系统协调的核心平台，连接用户交互界面、本地或远程显示系统、云端部署模块与日志分析引擎等系统外设，同时实现指令下发、状态同步、数据采集与回溯等关键功能。，我们诚邀具身智能开发者、机器人控制研究者与软硬件系统工程团队一同加入，共建下一代可控、可拓展、可验证的开源控制系统，为具身智能的大规模落地铺设真正可用、可复用的技术底座。这是所有业务模块的运行基座，涵盖IO、UDP、LOG、算数、矩阵、配置文件、计时等底层服务接口，支撑框架在多任务并发、高频控制回环下的稳定运行。

人形机器人如何像人类一样自然运动？如何通过语言指令让机器人理解并执行复杂动作？这一直是行业亟待突破的技术瓶颈。国地中心联合复旦大学未来信息创新学院研发的“

比如，我们团队目前就参与了几个实际项目，在像菜鸟这类物流站点内部的分拣和搬运环节，如果任务是相对固定的——例如：从A点识别一个物体并搬运到B点，这种任务目前的人形机器人已经可以胜任。在这些场景里，我们往往会选择更具工程效率的方案——比如轮臂式机器人（带轮子的带机械臂的复合机器人），它可以更高效地完成类似任务，成本也更低。在上次的直播沙龙中，我们收集到了来自用户们提出的大量专业、有价值的问题，现场互动气氛高涨，大家的热情远超预期。不过这类技能，比如“跳舞”，其实在我们团队目前的研发体系中，并不是优先重点。

可以这么理解——如果我们把机器人的双足看作是它的“底盘”，那它在导航、感知、避障等方面，其实就和自动驾驶车辆非常接近，很多传感器（比如激光雷达、摄像头、IMU）用法也都差不多，甚至视觉处理的 pipeline 都非常类似。进一步说，智能驾驶主要处理的是物理环境的数据，比如车道、障碍物、红绿灯，而人形机器人未来还要感知和理解“非物理”的信息，比如人的表情、语气、动作意图，甚至可能涉及到情感、社交行为等更复杂的信息输入。普通人“分蛋糕”的方式，或许不是制造机器人的那双手，但可以是连接机器人与社会的那座桥。

但如果你使用的是非标准结构，比如：只有一只脚接触地面/使用的是四足机器人/脚的接触建模中只考虑部分自由度（例如不考虑转矩），那么这两个参数是需要相应调整的。，从仿真迁移到实机的性能差异，到主流动力学库的精细使用技巧，再到整机控制系统的架构设计与参数理解，并由技术专家进行了全方位、深度的答疑解析。这是一个比较常见的问题，尤其是在从高度集成的仿真环境（如 Mujoco）迁移到分布式运行框架（如 ROS）时，很多用户都会遇到“仿真中表现良好，但在实际部署中效率下降或行为异常”的情况。这是不是一个常见的问题？

我们需要的，不只是更强的大模型，更是更紧密的协作网络。本篇将深入剖析控制大脑（C）的核心职能与实现路径，介绍如逆运动学、模型预测控制、动态阻抗控制等关键技术，解析真实落地项目中的工程方案，并探讨以C大脑为代表的控制模块，如何正在与上层大模型进一步融合，迈向端到端的一体化智能架构。同时，我们也将展望其未来可能的演化方向——从模块化向紧耦合、从指令驱动到语义内生、从“ABC串联”向“AB融合C”或“端到端一体化”的新范式转变，探讨ABC大脑如何成为支撑通用型具身智能体的关键基础架构。因为这种模块化架构不仅。

由国家地方共建人形机器人创新中心发起的 OpenLoong 项目，是业内首个全栈、全尺寸的开源人形机器人项目，有着人人都可以打造属于自己的机器人的美好愿景，旨在推动人形机器人全场景应用、助力具身智能时代的到来。具体来说，B模块负责任务拆解、行为生成、动作组合与动态调整，是机器人“该怎么做”的关键中枢。ABC大脑结构从“感知-认知”到“规划-决策”再到“控制-执行”，明确划分了机器智能从接收信息到行动反应的任务链条，是许多机器人系统（如LoCoBot、OpenLoong等）背后的系统设计基石。

"OpenLoong" 是全球领先的人形机器人开源社区，秉承技术驱动与开放透明的价值观，致力于汇聚全球开发者推动人形机器人产业发展。由国家地方共建人形机器人创新中心发起的 OpenLoong 项目，是业内首个全栈、全尺寸的开源人形机器人项目，有着人人都可以打造属于自己的机器人的美好愿景，旨在推动人形机器人全场景应用、助力具身智能时代的到来。若您有更多想法或问题，欢迎，在论坛发起讨论，与国地中心的技术专家深入交流，碰撞出更多技术灵感与实践火花！

作为全球第一款数字人动作生成和控制具身大模型，MotionGPT 借鉴了 ChatGPT 语言模型的经验上，在包括文本驱动的动作生成、动作描述、动作预测和动作衔接等多个动作任务上拥有出色的表现。未来的机器人、虚拟数字人乃至混合现实中的智能体，将不再是冷冰冰的命令执行器，而是能理解意图、感知环境、自主行动的真正“智能存在”。”为基础，构建闭环仿真训练体系，同时推动从“形似”向“神似”过渡，构建基于“人-机-物”协同的群体智能架构，实现从“单智能体”到“智能体社会”的跃迁。这一模型不仅理解自然语言，更能。

一种能够直接采用点云数据作为输入，并对第一人称视角的文本指令和视觉提示作出具身反应的大模型，在三维密集描述和问题回答任务中取得业界领先成果，让机器人对三维世界的认知更精准深入。本文基于复旦大学陈涛教授在“格物”具身智能仿真平台发布会上的演讲整理而成，深入解析具身感知与生成大模型的核心框架、关键突破与发展路径，勾勒出一幅未来智能体“动起来”的技术全景。在生成式人工智能席卷全球的当下，下一场重大技术变革，或许将不再发生在“屏幕内”的文本生成，而是迈向现实世界中的感知与行动。等代表性成果，形成产学研联动态势。

在前两篇中，我们依次讲解了“如何创建一个地形”以及“如何将地形添加到训练环境中”。从基础出发，逐步构建机器人可交互的三维仿真环境。在机器人强化学习训练中，地形的复杂度决定了策略的泛化能力，仅靠 jump_plat 和 jump_pit 等基础地形，难以满足真实场景下的鲁棒性需求。今天，我们将进入更复杂的训练场景：台阶地形与金字塔形台阶地形，它们是机器人强化学习中不可或缺的“能力测试场”。

上一篇文章讲了如何创建一个机器人训练地形，本篇文章将一步讲解如何添加地形到训练环境。

机器人强化学习中的地形训练是利用强化学习算法让机器人在不同地形环境中通过试错学习最优行为策略的过程，通过环境建模、策略学习与优化等环节，使机器人能够自主适应复杂多变的地形，提高其移动效率、稳定性和自主性，减少人为干预，从而在实际应用中更好地应对各种复杂场景，提升机器人在复杂环境中的性能和可靠性。

在机器人运动控制的强化学习训练中，选择合适的仿真平台是影响训练效率与模型性能的关键因素之一。不同仿真工具在并行计算能力、物理精度、系统兼容性等方面各有优势与局限。本文将基于青龙人形机器人训练中的实际经验，对 Isaac Gym 和 MuJoCo 两款主流仿真平台进行对比分析，并在最后介绍自主研发的格物仿真平台，作为一种新的技术路径选择。

在过去，我们提到机器人，脑海里常常浮现的是冰冷、机械的手臂，或者在工厂里重复作业的设备。而现在，机器人正变得越来越像“活物”——它们能跳跃、奔跑、甚至自己学习、适应环境。特别是足式机器人（比如“机器狗”、“仿生猎豹”）的兴起，不仅让我们重新审视了“机器人”这个词的定义，也引发了一个重要问题：机器人如何像动物一样，灵活、聪明地应对复杂世界？答案藏在两个关键词里：仿生启发 和 强化学习。

在科技飞速发展的今天，人形机器人正逐渐从科幻走向现实，具身智能基础模型新开发范式的出现，更是为这一领域带来了前所未有的变革与机遇。来自国地共建人形机器人创新中心（以下简称“国地中心”）的研发总监邢伯阳为我们详细介绍了这一创新开发范式，让我们得以一窥人形机器人未来发展的新方向。

当技术爆炸，人形机器人不再是工具，而是思考者，甚至是创造者，人类将如何自处？传统路径规划的局限性在于，轮式机器人可以精确定位到绝对坐标，但人形机器人控制精度有限，很难保证直接到达某个准确点，而是只能大致到达区域，再进行二次导航（局部调整）。而接下来，我们将进入这场探索之旅的下半场，聚焦于人形机器人的规划与导航技术，探讨它们如何在复杂环境中实现自主导航，以及未来的发展方向。，机器人可以基于环境理解选择更优路径，如“走楼梯 vs 坐电梯”，LLM可以提供更灵活的策略决策，如“避免拥挤区域，选择更快捷的通道”。

人形机器人的拟人化形态使其能够无缝融入我们的世界，无需对现有基础设施进行大规模改造，高自由度的运动能力使其能够操作工具、攀爬楼梯，适应各种非结构化环境。它们是机器人技术的集大成者，通过研发人形机器人，我们可以验证这些技术的成熟度与协同能力，推动整个机器人领域的发展。这是一场跨越哲学与技术的旅程，让我们一同启程，揭开人形机器人的神秘面纱。以上内容只是人形机器人感知导航探索的序章，在下篇中，我们将深入探讨人形机器人的规划与导航技术，揭示它们如何在复杂环境中寻找最优路径，如何与人类协同工作，以及未来的发展方向。

本文介绍了“格物”仿真平台的核心功能、技术创新、使用流程及未来愿景等。“格物”平台旨在降低机器人强化学习和运动控制的技术门槛，提供一站式仿真训练环境，加速机器人智能体的开发与应用。

灵巧手的工作空间是衡量其操作能力和灵活性的重要指标，了解灵巧手的工作空间不仅能为机器人设计提供理论依据，还能推动机器人在更多实际场景中的应用和发展，尤其是在复杂的工业生产、医疗手术、物流搬运等领域。

机器人仿真平台在机器人开发中发挥着重要作用，其发展历程值得深入探讨。它由模型描述、动力学引擎和渲染引擎三大核心组成，并广泛应用于 Webots 、PyBullet、MuJoCo 和 Isaac 等常见仿真工具。此外，NVIDIA 的 Cosmos 平台和 World Labs 等世界模型技术，能够通过生成合成数据、优化数据处理和提升仿真环境的逼真度，为机器人开发提供高效、低成本的解决方案。

本篇文章会介绍国家地方共建人形机器人创新中心（下文简称“国地中心”）智能交互团队基于 Mobile ALOHA 系统，针对多样化复杂场景中人形机器人的遥控操作与自主作业展开研究，开发基于 Transformer 的模仿学习训练框架，部署于青龙全尺寸仿人机器人，实现了典型任务的自动化数据生成与作业控制，助力未来机器人项目发展。下面详细介绍 Aloha 项目的复现过程，模型对比，以及我们在此基础上进一步的研究。

本文深入剖析了青龙全尺寸通用人形机器人硬件平台的设计理念、流程及关键系统设计。全方位介绍了青龙硬件系统的设计内容，涵盖总体设计、构型设计、功能划分与设计、行走与驱动系统设计、操纵与作业系统设计、能源动力系统设计以及感知与控制系统设计等方面，各部分均详细阐述了设计的关键点与技术细节。此外，文章还对人形机器人直线关节技术进行了探讨，为相关技术研究与应用提供了有价值的参考。