央视网消息：运动控制能力是人形机器人适应环境和执行任务的核心技术。如同人类一样，机器人在与物理世界进行交互时，需要对各关节进行控制，来保证运动的稳定性和准确性。人类的运动控制需要小脑的调节，机器人的运动控制则依靠一套算法。

　　近日，北京人形机器人创新中心发布了机器人半程马拉松冠军“天工”的运控算法框架，填补了高性能人形机器人运动控制框架在开源领域的空白。

　　总台记者 袁嘉忆：在北京人形机器人创新中心，我们看到“天工Ultra”在遇到台阶、斜坡、草地、碎石地、沙地等各种复杂地形的时候，都能实时调整步态，保持稳定和优雅，这是因为研发人员在训练天工的运动控制算法中引入了强化学习和模仿学习机制，让机器人具有更发达的“运动智能中枢”。

　　这套引入的运动控制算法框架就是“天工-Lab”，它由北京人形机器人创新中心自主研发，能在短时间内训练出人形机器人面对复杂地形的自主适应能力和快速移动能力，为更多人形机器人走出实验室，在高复杂环境中执行任务，提供核心基础技术支撑。

　　北京人形机器人创新中心运控部门负责人 郭宜劼：强化学习就相当于把它放在一个仿真环境当中，它自己不断去探索，不断迭代学习，产生了一套运动控制网络。我们也把采集的人体运动数据放在强化学习的过程当中，这两个方面结合在一起，就能产生又拟人又稳定的步态。

　　多个全场景交互虚拟机器人训练场开放

　　在具备强大运动控制能力的基础上，人形机器人还需要在生产生活的应用场景中，执行各类复杂物体的灵巧操作，这对具身智能模型训练的数据量与数据采集场景提出了更高需求。近日，北京人形机器人创新中心还同步开放了多个支持全场景交互的虚拟机器人训练场。

　　总台记者 袁嘉忆：这里是北京人形机器人创新中心的数据采集基地，机器人“天工”的不少操作技能就是在这“熟能生巧”练就的。我们看到这里有起居室、客厅、厨房、商超、工厂等各类场景，平时研发人员就是在这些真实场景里去采集机器人执行各项操作任务的真机数据。不过真实场景里能同时运行的机器人数量是有限的，为了实现大规模的具身智能数据采集和训练，研发人员搭建了数字孪生仿真场景，机器人可以自由操作场景内的各类物品。

　　北京人形机器人创新中心具身智能部门负责人 车正平：一个高质量的仿真环境的搭建，要求视觉具有非常高的保真度，尽可能和实际生活、实际物理世界是一致的。我们希望物体的模型在仿真中的交互行为和真实世界中也完全一样，就包括微波炉门的打开方式、它弹开之后的滑动距离等等。

　　由北京人形机器人创新中心与北京市建筑设计研究院联合打造的高保真铰接物体数字资产数据集，面向全球开发者开放了6大数字孪生机器人训练场，并实现对抽屉、橱柜、冰箱等200多种高精度可动物件的仿真。开发者可直接基于已有环境训练，也能快速生成新铰接物体资产，扩展仿真场景。