7月上旬，韩国仁川。绿茵场上，一台台人形机器人奔跑、传球、射门——没有遥控器，一切全凭自主决策。这是2026年RoboCup机器人世界杯上的一幕：两支全自主人形机器人足球队首次完成11对11的完整对决。本届比赛吸引了来自全球45个国家和地区的364支队伍、近3000名科研人员同台竞技。在备受瞩目的人形机器人大型组中，清华大学火神队、中国农业大学山海队分获冠亚军。
从多年前波士顿动力机器人完成惊艳后空翻，到近两年国产机器人在春晚舞台上表演绝活，再到2025年启动的机器人马拉松和机器人运动会，运动机器人热潮成为全民话题。这背后不仅是科技实力的跃升，更是人工智能向物理世界深度迈进的生动注脚。
优秀的机器人”运动员”，离不开”躯体””大脑””小脑”的默契配合。”躯体”决定了身体素质，为支撑高动态、高爆发的运动，机器人需具备轻量化、高强度的本体设计与高功率密度的电机。”大脑”保障了认知能力，作为决策中枢，负责理解规则，实时处理赛场信息并制定战术。”小脑”支撑了运动技能，负责运动控制，将战术指令转化为协调、稳定且敏捷的动作。
如今，硬件与算法的升级让机器人从实验室走向更广阔的舞台。2026年，中国宇树机器人在春晚舞台上完成连续花式翻桌跑酷、弹射空翻等高难度动作，实现了全球首次全自主人形机器人集群武术表演。今年4月，索尼开发的乒乓球机器人系统在正式比赛规则下首次击败专业运动员。在2026北京亦庄半程马拉松暨人形机器人半程马拉松比赛中，机器人”运动员”冠军成绩已提升至50分26秒。
如何驱动机器人完成复杂运动？目前主要有两类主流方法：传统基于模型的控制方法和基于智能学习的方法。近年来，基于智能学习的方法逐渐成为主流，包括强化学习和模仿学习。谷歌DeepMind通过自主学习训练出竞技乒乓球机器人，中国银河通用公司的网球对抗控制算法LATENT从大量人类运动视频中提取基础动作技能单元。