IT之家從北京人形機器人創新中心官方微信公眾號獲悉，北京人形機器人創新中心（后稱北京人形）正式發布開源運動控制框架 Tien Kung-Lab，將機器人馬拉松冠軍的運控算法面向行業開源，填補高性能人形機器人運動控制框架在開源領域的空白，為工業場景、物流場景與特種作業場景等高復雜環境下規模化應用提供核心基礎技術支撐。
運動控制能力作為決定環境適應性與任務執行能力的核心技術，是人形機器人從實驗室邁向規模化應用最重要的門檻之一。
據介紹，Tien Kung-Lab 是一套基于 Isaaclab 開發的開源強化學習運動控制算法框架，該框架融合前沿的強化學習技術和人體運動數據，旨在讓人形機器人實現自然、高效、穩定的運動控制。在此前進行的全球首屆人形機器人馬拉松比賽中，搭載該運控算法的天工 Ultra 以 2 時 40 分 42 秒跑完 21.0975 公里，奪得全球首個人形機器人馬拉松冠軍。
該方法首次融合了模仿學習與強化學習的優勢，基于 Adversarial Motion Prior（AMP）風格化獎勵機制，通過引入動作捕捉數據作為先驗，讓人形機器人在走路、跑步等移動中具備面對復雜地形的高穩定性和高泛化性的同時，還保留了與人類高度相似的優雅姿態。Tien Kung-Lab 所開源的針對人形機器人的步態獎勵，可讓開發者快速地訓練出走路，跑步等策略。
為了幫助開發者更方便的進行感知策略訓練，此次開源的算法框架，改進了相關的光線追蹤技術，實現了訓練環境中深度圖和激光雷達點云的快速準確獲取，讓仿真環境下從感知到運動的端到端訓練成為可能。同時，Tien Kung-Lab 支持在高保真物理引擎 MuJoCo 進行 Sim2Sim 交叉驗證，可實現從訓練到交叉驗證的無縫遷移。
當前，Tien Kung-Lab 已在天工 2.0 全尺寸人形機器人上實現了具備高泛化性能的行走與奔跑，并在 Open X-Humanoid 開源社區、Github、Gitee 等平臺開放下載，加速全球人形機器人運動控制算法的研發迭代與生態構建。
如同人類需要穩健行走才能勞動，強大的運動控制能力是人形機器人執行各類產業任務的基礎前提。基于 Tien Kung-Lab，開發者可以快速讓人形機器人具備面對復雜地形的泛化移動能力和快速移動能力，從而加快研發速度。
在北京亦莊舉辦的全球首屆人形機器人馬拉松比賽中，Tien Kung-Lab 經歷了超長賽程和真實路況的挑戰，在運動控制層面保證了天工 Ultra 每一次邁步與落地的穩定、準確，跨越了真實道路中凸起、凹陷、減速帶、細小石子等隨機干擾，最終實現了順利完賽。
基于北京人形在運控領域的技術積累，Tien Kung-Lab 的開源將極大縮短人形機器人產品實現跨地形高速泛化移動的時間。為人形機器人走出實驗室，在真實環境執行任務，甚至在山地、雪地救援、廢墟等極端環境下作業奠定基礎，并為具身智能的規模化應用夯實技術底座。
未來，北京人形將以馬拉松冠軍級運動控制為基石，向“小腦級智能”的更高維度進發，攻堅基于學習方法的通用移動操作和全身復雜動作控制技術，并突破復雜動態環境中的全向感知和自主導航技術，邁出從“卓越單點運動執行”向“全身協同自主執行”的關鍵一步，實現“全能動作”與非結構化環境中的閉環自主作業能力。
在運動控制領域的持續突破，將為人形機器人構建強大的“運動智能中樞”，使其真正具備在真實、開放世界（如復雜工廠、災難現場、戶外場景）中自主移動、穩定操作、可靠完成任務的運動執行智能，為智能制造、特種作業、商業服務等實體產業的智能化升級奠定堅實的執行層基礎。
獲取 Tien Kung-Lab：
GitHub：https://github.com/Open-X-Humanoid/TienKung-Lab
Gitee：https://gitee.com/open_x_humanoid/TienKung-Lab
