宇树开源OmniXtreme人形机器人架构，流匹配技术攻克高动态动作难题

宇树科技（Unitree）正式发布并开源了名为OmniXtreme的人形机器人运动控制架构，同步公开由创始人王兴兴署名的技术论文。该架构针对人形机器人在春晚等高动态场景下的极限动作表现，系统性地解决了海量动作库追踪时的保真度下降与物理落地难题。

OmniXtreme采用双阶段训练框架:首阶段通过流匹配预训练（Scalable Flow-based Pretraining），将分布在不同专家策略中的高动态技能（如后空翻、武术、街舞）蒸馏至统一模型，利用生成式建模学习速度场路径，有效规避了传统强化学习在多任务下的梯度干扰;第二阶段则引入执行器感知后训练（Actuation-Aware Post-Training），通过残差强化学习与写实的力矩-转速包络线建模，使机器人能针对电机物理极限与再生功率进行自我修正。

实验数据显示，该架构在Unitree G1硬件上实现了96.36%的后空翻成功率，端到端推理延迟压缩至10毫秒。OmniXtreme的开源不仅展示了流匹配技术在具身智能领域的卓越扩展性，更标志着人形机器人从单一技能复现向通用、高保真运动能力的跨越，为行业探索复杂物理环境下的稳健控制提供了关键技术范式。