当我们把镜头对准人形机器人时，我们能看到它们在跑道上摔倒后再爬起来，在复杂的有障碍的路面上“盲走”并保持平衡，或在5v5的机器人足球比赛场上完成一次次传球、接球与射门，这些瞬间足够惊艳。
然而，《中国经营报》记者注意到，若走出受控赛场或部分预设场景，面对一个未“标注”的障碍物或一件未叠好的衣服时，它们往往需要由人来介入遥控。“人工遥控”因此成为人形机器人不可或缺的“第三只手”。这正是人形机器人发展所呈现出的一体两面：人形机器人已经具备了较强的运动能力，而对环境的理解与跨场景泛化仍是未解的短板。
“现在的人形机器人凭借其本体感知能力，可以完成走、跑、跳、翻跟头，或在有障碍物的路面上行走，这种复杂动作的完成都需要其具备很强的智能水平。不过，目前许多人形机器人还不太具备理解环境的能力。比如说，当前面有个障碍物时，它是否能够自主绕行、是否能自主开门，这些方面还存在一些短板，需要人来指示。”近日，清华大学教授、机器人控制实验室主任赵明国在接受记者专访时如是说道。
“现阶段相关任务的执行可能80%是由人来遥控，20%是人形机器人自主完成，未来可能进化到60%由人遥控、40%由机器人自主完成。”赵明国在专访中表示，当前人形机器人在某些特殊场合已经能够实现完全自主，但这些自主能力仅限于特定场地、特定任务，场外迁移泛化能力还比较弱。
赵明国认为，完全由人来遥控人形机器人的每一个关节是不现实的，最终一定会过渡到100%由人形机器人自主决策。当然，人形机器人要实现所有环境下的完全自主还需要一个漫长的过程。从眼下来看，即便是要将人形机器人的自主能力提高到50%也仍然比较困难。
“我们理想中的人形机器人应具备完全自主的能力，但现实是当前的技术还远未达到这一目标。那么，要如何实现这一目标？一种主流思路是尝试先构建一个通用的人工智能基座，再针对如叠衣服、踢足球等不同垂直领域，分别注入专用数据进行精细调整和训练，从而使人形机器人掌握特定技能。这一路径在逻辑上看似合理，但也存在明显的问题：如果机器人在单一具体任务上都未能做得足够好，又何谈建立一个能胜任所有任务的通用智能基座？这种构想目前既难以被证实，也难以被证伪，本质上存在一定的逻辑漏洞。”赵明国说。
赵明国进一步分享称，当前，许多人从大语言模型（LLM）的成功经验出发，认为可以将其模式迁移至人形机器人领域，但虚拟信息空间（cyber space）与真实物理空间（physical space）之间存在本质差异，前者的路径对于后者而言未必能行得通。物理世界中的智能能力，必然需要大语言模型之外的另一套智能系统来支撑。
“目前，在真实物理世界的智能方面，我们主要依赖强化学习这一方法，但这还远远不够。如何有效获取物理数据或高质量仿真数据，仍是整个领域共同探索的课题。因此，未来更可能的发展方向是两个世界的智能能力深度融合、协同工作。即便为了解决物理世界的问题而借助虚拟世界的手段，那也仅是工具层面的辅助，终极目标仍是解决物理世界存在的一系列现实问题。当前阶段，我们更应把这些问题进行明确的定义，开展与大语言模型形成互补的研究工作。”赵明国说。
赵明国认为，我们不应一刀切地用单一百分比去描述和定位人形机器人智能程度的占比。“人应该管人该做的部分，机器人应该管机器人该做的部分；随着时间的推移，人形机器人的感知和理解能力会逐步增强，人形机器人的智能化是一个渐进突破的过程。”
从眼下来看，要让人形机器人真正走进普通人的日常生活，还需要一定的时间。
车百会研究院近期发布的研究报告显示，目前智能机器人仍属于“玩具”“教具”“展具”“科研工具”，能够通过预编程或高度优化的演示环境，展现出较强的动作控制能力和流畅的语言交互能力，通过“演示”吸引公众关注，但距离产业成熟规模化应用阶段仍有距离，需解决数据、标准、安全、场景融合等问题。
在赵明国看来，要提升人形机器人的智能化水平，意味着必然对人形机器人的硬件能力提出更高要求。若传感器数量不足、数据资源匮乏，人形机器人的智能化便无从谈起。随着任务复杂度的提升，软件算法的复杂度也必须相应增加。硬件是承载智能的物理基础，软件是驱动智能的决策核心，二者缺一不可。他认为，如果这两方面的能力无法实现同步突破，那么实现人形机器人完全自主的终极目标就将难以达成。
“目前，还没有任何一个人形机器人的运动能力能够达到人类的水平。因此，有不少人反对让人形机器人去进行跑步、踢足球这类活动，认为这些工作没有实际意义，他们认为机器人应该直接进入工厂应用才有意义。但我认为，人形机器人无论是进入工厂还是家庭，都需要一个渐进的过程。上述实际场景中的运用，本质上来说都是一项要求极高的‘瓷器活’，而我们是否拥有完成这些任务的‘金刚钻’，首先需要一个合适的场景来进行验证。在现阶段，运动场恰恰可以充当这样一个验证场景。”赵明国说道。
与此同时，赵明国还建议，为推动人形机器人的发展，应在人形机器人领域设立相关标准以便于进行分级。他以自动驾驶的L1—L5分级为例，阐明了在有明确分级和标准任务后行业内能把技术路线、相关测试与法规标准进行对齐。具身智能领域目前缺少类似的行业共识和标准，这导致该行业研究和应用目标分散，难以进行比较。
值得一提的是，赵明国及其团队深耕双足机器人领域研究长达二十余年，其带领的清华火神队凭借自主研发的端到端强化学习技术，夺得2025世界人形机器人运动会5v5足球赛冠军。
“机器人踢足球看似是趣味场景，实则是验证具身智能的‘标准平台’，涵盖感知、决策、运动控制等全链路技术，而这些技术与智能汽车的智驾系统底层逻辑相通。”赵明国表示，通过标准任务验证技术能力，能够逐步解决人形机器人手部与腿部的具身智能问题，最终面向老龄化、服务业短缺等社会需求，推动通用具身机器人实现商业化落地。
