外观
新闻极客公园13 天前
源策未来发布WBI全身智能模型，末端精度提升至2厘米
源策未来发布WBI全身智能路线，自研S0运控基模将手部末端追踪误差从开源基线10厘米压至2厘米，支持非平地动态协调与大幅姿态映射，已在宇树G1等本体验证扶车、登高取物等长程任务。
宇树 G1本文由 AI 根据公开内容整理，可能有误，请以原文为准：人形机器人最尴尬的事：长了一双腿，却只能定住干活（极客公园）
核心内容
源策未来正式发布以全身智能（WBI）为核心的人形机器人基础模型系统，旨在解决双足机器人“只能平地作业”的行业痛点。演示显示机器人可完成扶起自行车、按压电饭煲及搬踏台登高取物等复合动作。该系统通过自采人类全身交互数据，突破了主流全身控制在末端精度、稳定触达范围及数据采集上的瓶颈，标志着人形机器人从单纯运动展示向实际物理操作迈进。
技术架构分为高频动态平衡的S0小脑与长程任务理解的S1大脑。S0模型将手部末端追踪误差由开源SONIC基线的10厘米级降至2厘米，并拓展至高差地形控制与大幅度意图映射，解决了真机数采中的同构映射难题。S1模型结合EgoBody人类数据预训练与DAgger纠偏，实现跨地形与操作的连续规划。该方案已在unitree-g1与加速进化T2两种异构本体上完成茶水间整理等任务验证。
关键看点
- 末端精度突破：自研S0运控基模将手部末端追踪误差压缩至2厘米区间，相比开源SONIC基线10厘米量级显著提升，达到物理接触操作及格线
- 非平地全身控制：S0模型拓展控制维度至高差地形，支持上台阶时下肢轨迹、躯干姿态与重心平滑转移，解决通行与操作割裂问题
- 异构本体泛化：WBI技术路线已在
unitree-g1和加速进化T2两款不同构型机器人上验证，实现冰箱整理等分工配合任务 - 双层模型架构：采用S0小脑负责高频动态平衡与执行，S1大脑结合EgoBody数据与真机示范进行长程任务理解与拆解
工程与产业观察
源策未来将人形机器人末端精度提升至2厘米并打通非平地操作，验证了全身智能（WBI）作为通用底座的可行性。这标志着行业竞争焦点正从单纯的运动性能转向“操作有效性”，倒逼硬件设计从表演导向转为负载与散热导向，同时确立了高精度真机数据与人类全身数据协同的训练范式，为具身智能从Demo走向实际劳动提供了关键工程坐标。
来源
本页事实对应的公开页面，以原文为准。
- 极客公园：人形机器人最尴尬的事：长了一双腿，却只能定住干活访问 2026-10-16