100 个 episode、71 分钟训练数据，跑出 79.1% 仿真躲球成功率 — 这是宇树 G1 接入 Hugging Face 旗下 LeRobot 后给出的关键数字。我们认为，开源人形机器人真正的拐点不是模型更大，而是开始学会「分工」：上层 AI 决定做什么，下层控制器保证动作能落地。

这是什么

Unitree G1 是宇树科技推出的人形机器人，LeRobot 是 Hugging Face 主导的开源机器人学习框架。这次接入的核心是 π0.5 视觉语言动作模型（VLA，即「看懂图像+听懂人话+输出动作」的一体模型）：它读取相机画面和机器人当前姿态，输出 64 维的 SONIC 动作 token；token 再由解码器结合本体感知历史，变成 29 个关节的目标位置；最后交给底层比例—微分控制器（PD 控制器，工业里最常见的「按误差追目标」算法）逐帧跟踪。

关键的设计取舍是分层：慢速模型负责「听懂指令、决定动作意图」，快速控制器负责「维持平衡、生成关节目标」。这与操作系统把策略和机制分开是同一种思路 —— 上层不必懂「白桌是什么」，下层也不必懂「任务是什么」。底层那一套 PD 控制其实是工业里用了几十年的老技术，真正的增量是 VLA 与控制层之间那条可替换的 token 接口。

训练用 4 张 H100 微调 12000 步，深度躲球策略在 3 个随机种子的仿真里达到 79.1%；无深度输入是 0%，有特权状态的 oracle 上限是 97.4%。

行业怎么看

乐观派认为，这是开源人形生态第一次形成可替换的「策略—动作—控制」接口契约，未来模型升级不必重写整台机器人，是真正的工程化拐点。

但反对意见同样值得重视：第一，仿真数据漂亮不等于真机能干，公开演示视频不能替代受控真机成功率测试；发布方没有披露任何地面变化、网络延迟、长期磨损的数据。第二，双层控制在机器人圈并不新鲜，「慢规划+快执行+PD 跟踪」几乎是教科书结构，这套 VLA+token+PD 的包装更像把老问题用 AI 重新讲了一遍。第三，更现实的风险在采购端：拿着 79.1% 的仿真数字做量产决策，会显著高估落地时间表。我们倾向于把这件事看成「工程语言的开源化」，而不是「机器人能力的新突破」。

对普通人的影响

对企业 IT：人形机器人短期内不会进入你的 IT 预算；它仍属于工厂实验线或研发部门，与日常系统运维没有关系。

对个人职场：AI 替代叙事正从「写文案、写代码」延伸到「做体力活」，白领的护城河从「信息处理」进一步转向「判断与责任归属」，这条线会持续移动。

对消费市场：别被演示视频误导，未来 12–18 个月家用机器人能稳定完成的仍只是窄场景任务，「全能管家」远未到来。