【宇树科技开源OmniXtreme人形机器人架构：G1机器人一招学会24种高动态动作】

北京通用人工智能研究院（BIGAI）联合宇树科技、上海交大、中科大等团队开源了 OmniXtreme 高动态人形机器人运动控制框架。

核心亮点：
用一个统一策略，在真实宇树G1机器人上实现了后空翻、托马斯全旋、武术踢击、霹雳舞地板动作等24种极限动作的稳定执行。

真实测试数据（157次试验）：
* 整体成功率：91.08%
* 后空翻等高难度动作成功率：超过96%
* 端到端推理延迟：约10ms（Jetson Orin NX机载，50Hz闭环控制）
* 支持多种极端动作，包括连续翻转、极限平衡及霹雳舞地板动作

开源资源：

* 项目主页（含真机演示视频）： http://t.cn/AXVhTAhx
* 代码仓库： http://t.cn/AXVhTAhM

OmniXtreme 采用双阶段训练架构：

第一阶段：流匹配预训练（Scalable Flow-based Pretraining）
* 将来自不同专家策略的高动态技能（如后空翻、托马斯全旋、武术踢击等）蒸馏到一个统一生成式模型中。
* 通过流匹配学习速度场路径，避免传统多任务强化学习中的梯度冲突和灾难性遗忘。
* 训练数据整合了 LAFAN1、AMASS、MimicKit 等动作数据集，并重定向至宇树 G1 机器人模型。

第二阶段：执行器感知后训练（Actuation-Aware Post-Training）
* 引入残差强化学习，并建模真实电机力矩-转速包络线，包括非线性扭矩曲线、再生功率及摩擦过渡约束。
* 提升仿真到真实（Sim-to-Real）迁移的稳定性和动作保真度。

总结一句话：
OmniXtreme 将高动态动作控制的复杂问题，通过统一策略与双阶段训练框架成功解决，为人形机器人在现实世界的动作泛化和 Sim-to-Real 部署提供了强有力的开源工具，社区复现和迭代值得期待。

#人形机器人##宇树G1##OmniXtreme##具身智能##AI##How I AI##openclaw#