2025 年 10 月，亚马逊 FAR 团队公布的 OmniRetarget 技术及宇树 G1 机器人的演示视频，引发了机器人领域的关注。视频中，这台身高 127 厘米、体重 35 公斤的机器人，在未启用摄像头与激光雷达的情况下，完成了搬椅子、爬平台、翻滚落地等一系列动作，整个过程持续 30 秒且姿态稳定。

你知道吗？这一突破的核心是 OmniRetarget 技术。它并非传统意义上的 “超级大脑”，而是一个开源的数据生成引擎，通过交互网格技术构建机器人、操作对象与地形的空间关系模型，将人类演示动作转化为机器人可识别的运动学参考。据公开信息，团队生成了超过 9 小时的运动轨迹数据，仅通过 5 个通用奖励项就训练出了跑酷与操作策略，能支持单手提、双手抱等 8 种搬箱姿势的精准适配。

令人惊讶的是，这项技术实现了从仿真环境到真实场景的 “零样本迁移”。也就是说，机器人在电脑中训练的技能，无需重新编程就能直接应用于实体设备，换用不同机型或地形也能自适应调整动作轨迹。Rocky Duan 等华人学者在团队中承担核心研发角色，而该团队由伯克利大学等机构的专家组成，研究覆盖感知、控制、强化学习等关键领域。

从行业影响来看，这项技术确实带来了新的可能性。以往依赖视觉传感器的机器人，在仓库角落、地下车库等光线昏暗或信号遮挡的环境中容易失效，而 OmniRetarget 技术依靠 “本体感觉” 就能完成任务，拓展了应用边界。据中国信通院相关预测，到 2045 年我国全能型人形机器人整机市场规模或达 10 万亿元量级，这类技术突破可能加速这一进程。

不过，技术突破与大规模应用之间仍有距离。宇树 G1 官方定价 9.9 万元起，搭载 23-43 个关节电机与力控灵巧手，虽具备硬件基础，但演示中的 30 秒任务与真实场景中 “连续工作 8 小时且故障率低于 0.1%” 的要求仍有差距。说实话，传统视觉依赖型机器人并非面临 “淘汰”，而是需要应对技术升级压力 —— 毕竟现有设备在成熟场景中的稳定性仍有优势。

这种技术演进背后，还有值得关注的协作模式。OmniRetarget 选择宇树 G1 作为测试平台，形成了 “算法研发与硬件制造” 的协同，且成果采取开源共享模式。这与特斯拉 Optimus 目前依赖视觉传感器的技术路径形成差异，但能否成为行业主流，还需看成本控制与实际场景验证。

宇树 CEO 王兴兴曾提及，计划明年实现机器人端茶送水、整理房间等功能。但机器人从 “实验室演示” 到 “家庭帮手”，不仅需要技术迭代，还需考虑安全标准、用户接受度等现实问题。这项技术真正改变生活，可能还需要更长时间的积累。

#秋季图文激励计划#