仿人机器人如何完成翻腾、倒立等复杂动作，一直是全球科研的难题；传统方法下，机器人在执行这类动作时往往面临控制精度下降、成功率低的问题。 北京通用人工智能研究院具身机器人中心主任黄思远团队发现，传统强化学习方法存在明显不足。当动作库扩大时，单一训练策略难以兼顾各类动作的精确控制，导致机器人实际表现不稳定。 针对这个问题，研究团队提出"两阶段学习"解决方案。首先为不同动作训练专门的"专家策略"，再结合真实电机物理特性进行强化学习。这种分层次、有针对性的训练方式大幅提升了运动框架的实际可执行性。 测试结果表明，采用新框架的人形机器人能够稳定完成后空翻、托马斯全旋等多种高难度动作，成功率超过90%。这一突破不仅解决了机器人运动控制的关键技术难题，也为开发更复杂的机器人技能提供了可靠的技术路径。 需要指出，这项成果由一批年轻科研人员完成。作为北京通用人工智能研究院人才培养计划的联培博士生，他们在"从研到用"的闭环培养模式下，将理论创新与实际应用紧密结合，最终取得了国际前沿水平的研究成果。 业内专家认为，这项技术标志着我国在人形机器人运动控制领域取得重要进展。随着技术完善，有望在应急救援、特种作业等领域发挥作用。同时，这种产学研结合的人才培养模式也为高科技人才培养提供了有益参考。
人形机器人的发展代表了人工智能技术的进步；从执行简单指令到掌握复杂的高动态动作，该跨越说明了算法创新的价值，也反映了我国基础研究与应用转化结合上的探索。"通极"框架的成功说明，科技创新既需要理论突破，也需要实际应用；既需要资深专家指导，也需要年轻人才的创新活力。这种开放、务实的科研生态，正在推动我国人工智能产业的高质量发展。