人形机器人先“好玩”再“有用”？CES 上演 UFB 人形机器人格斗秀

机器人领域即将发生一件新事：Ultimate Fighting Bots（UFB）将在 1 月 6 日（CES 期间）于拉斯维加斯 BattleBots Arena 举办一场人形机器人格斗秀。UFB 是一个人形机器人格斗联赛，由人类在现场或远程实时操控人形机器人进行对抗。此次为首届 8 名操控者锦标赛，并邀请多位头部科技创作者参与操控。

Scott 的判断：人形机器人或将先“好玩”再“有用”

来源：AI工业（采用 AI 工具整理）

机器人专家 Scott 认为，这类活动的重要性在于：人形机器人可能会先“好玩”再“有用”，而比赛证明机器人已经能以娱乐形式创造收入，成为一种早期的“有用工作”。同时，赛事也能暴露并推动训练技术的边界探索，例如：强化学习（RL）的上限在哪里、还需要如何改进。在他看来，技术往往在被部署到“意料之外的场景”时加速进步，竞争会带来持续迭代。

UFB 联合创始人兼“联盟委员” Zena 表示，UFB 大约在 6 个月前于旧金山启动，7 月举办首场对战，随后又办了多场并获得强烈需求。团队随后与 BattleBots 建立合作，此次活动是 BattleBots 场地首次向外部团队开放举办赛事，目标是展示格斗机器人向人形机器人形态演进的下一阶段。

从赛前秀到“影子拳”：UFB 如何把机器人格斗做成体育赛事

来源：AI工业（采用 AI 工具整理）

联赛怎么做成“体育赛事”：从赛前秀到大众科普赛事

形态被设计为“体育赛事”而非单纯打斗：包含赛前、赛中与赛后娱乐环节，意在让大众第一次近距离看到人形机器人时留下更强的观感与兴趣，进而产生“它怎么工作、怎么造、怎么训练”的好奇心，从文化与教育角度推动机器人普及。

统一平台与分级规则：为何本次选 Unitree G1

规则与平台方面，赛事采用类似格斗与 BattleBots 的分级/重量级思路。本次锦标赛主要使用 Unitree（宇树）G1 作为统一平台，理由是其当前在运动敏捷性与训练可用性上表现突出；同时还会引入 Booster Robots 用于额外表演环节。

操控方式：Direct Body Control 的“影子拳”体验

在操控方式上，UFB 提供一种接近《铁甲钢拳》的“影子拳”体验，称为 Direct Body Control（直接身体控制）：以摄像头捕捉操控者动作并映射到机器人动作（现阶段偏向动作库映射，后续走向全身实时遥操作），并辅以控制器完成前后左右移动。现场还会设置操控演示/训练站，并预留一个“神秘操控者名额”，活动前 1–2 天从观众中选出（需到场）。

队伍的三种角色：训练策略、飞手决策、硬件负责人

来源：AI工业（采用 AI 工具整理）

Zena 将联赛类比为 F1：虽然比赛机器人平台尽量一致，但胜负差异来自两部分——一是操控者水平，二是背后工程团队对机器人的训练与策略。在她的定义中，能参加联赛的“队伍”首先是一组工程师，他们会为机器人训练定制策略动作（custom policy moves），从而在同平台对抗中形成差异化表现。

队伍在联赛里的第一职责是工程与训练：通过训练与编程，让机器人更稳定、能打出更好的拳，并能完成更多动作，比如更复杂的移动技巧甚至踢击。第二个关键角色是操控者（pilot）：在当前阶段，战斗中的决策仍主要由人类完成——什么时候移动、出什么拳、如何应对对手，而机器人更多是在做自我平衡。但随着发展，机器人自主性会越来越强：未来它也会逐步学会如何接近对手、选择更优动作。因此，在格斗这种高强度场景中反复练习，本质上是在训练机器人空间运动方式（locomotion）、稳定性与整体运动能力（athleticism）。第三个角色是硬件负责人：短期内赛事会展示一些硬件增强，但更长远看，联赛会走向类似《铁甲钢拳》的模式——队伍开始自研/自造机器人。

目前阶段，自研整机并不被认为是最划算的起点：从零造一台能打拳的机器人成本很高、周期很长。更现实的路径是先购买现成机器人，学习如何编程与训练，在能力积累后再逐步走向自研硬件。

在硬件维护方面，现阶段由联赛方负责：联赛提供机器人，邀请操控者来操控。进入 2026 年，联赛将宣布一批持续参赛、贯穿赛季竞争的队伍；同时联赛仍将提供机器人与机器人运维支持（robot ops）。联赛方强调其优势在于：属于少数真正懂得维护人形机器人的团队之一，过去已在比赛中“坏过很多次”，积累了修复经验。因此联赛会提供：机器人本体、运维体系、软件栈，以及训练策略所需的工具/库与方法指导；而队伍的任务是基于这些条件去编程机器人、上场操控，并对外讲述自己的“队伍故事”。

在“分配机器人”的机制上，当前这一场属于演示赛：机器人会在比赛当天公布/分配。随着完整赛季队伍建立，每支队伍将拥有自己的专属机器人。现阶段分配流程偏向随机抽签：使用同型号、同状态的机器人，胜负主要由操控战斗技巧决定；此时并不存在队伍之间的“训练策略（policy）竞争”，因为机器人的基础能力与动作策略主要由联赛方统一提供。未来走向赛季化后，队伍将开始对机器人进行自主编程与训练，形成“训练策略差异化”的竞争。

赛制与胜负：3 回合、击倒优先、有效击中计分

来源：AI工业（采用 AI 工具整理）

赛制方面，这是一个“8 名操控者锦标赛”，包含四场四分之一决赛、半决赛与决赛。机器人不会固定给某位操控者一路用到底：前期轮次使用一组机器人，半决赛继续使用同一组；决赛会引入“新机器人”，其动作更强、且可能带有不同的硬件配置。

胜负判定采用回合制 + 计分/判定结合：每场比赛由 3 个回合组成；每回合要么被击倒（knockdown）直接结束并判定该回合获胜，要么在无击倒情况下打满 90 秒，由裁判统计有效击中（landed punches）数量并计算得分，得分更高者赢下该回合。整场比赛看赢下的回合数：例如先赢两回合即赢得比赛。所谓“拳”指的是真正击中身体的有效拳，防守格挡不计入；现场会有裁判人工计数。

安全与未来：反武器化、人始终在回路、走向赛季化与全球赛事

来源：AI工业（采用 AI 工具整理）

对于“为什么要教机器人打架、未来自主化会不会危险”的担忧，联赛方的立场是：这是一种技能型竞赛，强调“反对武器化”，希望比拼的是开发者、构建者与操控者的技能，类似 BattleBots 当年也曾被质疑“是不是在造武器”，但实际推动的是机器人技术进步。联赛也认为自主性会增强，但应坚持human-in-the-loop（人始终在回路中）：由人做决策并承担责任，同时建立与推进相应的伦理与安全框架。在训练层面，格斗场景更核心的价值是训练机器人在高变化环境中的能力：敏捷性、快速反应、动态稳定与应对突发变化的策略——这些能力可迁移到更现实的任务，例如应急救援等需要在危险、快速变化场景中行动的工作。

关于机器人安全规则，Scott 提到目前已有不少安全委员会在讨论“什么是安全机器人”以及自主化后的安全协议。他也提到阿西莫夫机器人三定律的思路，并在对话中被补全为：第一定律：机器人不得伤害人类；第二定律：机器人必须服从人类命令（除非与第一定律冲突）；第三定律：机器人必须保护自身存在（除非与第一或第二定律冲突）。

Scott 进一步强调，阿西莫夫的“三定律”虽然最初只是科幻写作中的快速构思，但其逻辑足够完整，长期以来一直被当作安全讨论的参考框架。在他看来，讨论机器人安全时，仍然可以借用这种“层级约束”的思路来帮助建立规则体系。

他用 F1 做类比：F1 赛车本身并不“上路合法”，但几乎所有量产的“上路合法”汽车，都吸收了 F1 赛道中验证过的技术。许多新技术会先在赛道这种高强度环境里被快速试错与验证——包括安全系统、制动系统、防滑/防抱死等稳定系统，以及材料、耐磨性与可靠性等。对应到机器人格斗，机器人在几分钟内经历的冲击与磨损，可能相当于普通场景下数月的“正常损耗”，这会极大加速对失效模式与可靠性短板的暴露。

基于这种“加速失效暴露”的价值，Scott 希望参赛队伍不要只在软件上做实验，也要开始关注硬件：如何在现成平台（例如 Unitree）上针对高频故障点做加固与升级，把对抗中暴露出的薄弱环节变成可迭代的工程改进，并进一步反馈到更成熟的产品形态。对话中也顺带澄清：UFB 的 “U” 不是 Unitree，而是 Ultimate Fighting Bots；未来也不意味着只能用 Unitree 平台，像 Booster Bots 已经用于娱乐环节，其他平台（对话中提到例如 Engine AI）也可能进入后续赛事体系。

在“为什么机器人常做功夫/跳舞/格斗动作”的讨论里，双方给出的逻辑是：这类动作能够集中展示机器人在速度、幅度、协调性与多样运动模式上的能力；如果做得好，既能体现技术进展，也能更容易抓住观众注意力，把技术展示转化为娱乐价值。

随后，主持人询问 Zena 的背景与入场原因。Zena 表示其职业经历主要在硅谷的消费科技与增长营销：做过硬件（如 Fitbit）、票务/娱乐（如 StubHub）、媒体（如 CBS）。其合伙人则在机器人领域做了十年的多形态机器人研发。大约一年前，他们购买第一台人形机器人做实验，快速意识到：让机器人去做“洗碗、洗衣”等真正能赚钱的实用工作，仍需要大量数据与长期积累；但人形外观会激发人们强烈的情绪反应——好奇、着迷，夹杂少量不安。团队把机器人带到五个州、让成千上万人现场接触后，发现这种反应高度一致，于是形成判断：“娱乐”很可能是人形机器人第一个规模化落地的市场；同时，娱乐赛事也是训练更好策略动作（policy）、更强敏捷性、以及更好空间运动与空间推理能力的途径。UFB 的首场活动在旧金山举办并获得成功，随后团队就沿着“机器人娱乐公司”的方向持续推进。

关于“是否会拓展到格斗之外”的问题，Zena 明确表示会。团队将“机器人娱乐”定义为更广泛的形态：核心是人和机器人作为一支队伍参与竞赛。此前他们已经尝试过直播的障碍赛（操控者带机器人闯关）以及非常基础的“烹饪秀”（结果不一定做出成品，但强调互动与趣味）。这些玩法的价值不仅是好看，还能沉淀数据：例如在障碍赛中收集大量“失败/险情/纠错”数据（她称为类似“fail-proof / fail 数据集”），而这类数据对训练机器人策略往往非常宝贵。她还提到英国节目 Taskmaster 的灵感：把“琐碎任务”做成有趣的竞赛——机器人加入后，反而更具观赏性。

对话末尾转到“不同身高的人如何操控同一机器人”的问题。Scott 的观点是，遥操作通常会做映射/缩放（mapping & scaling）：要么把人的动作按比例缩放到机器人身体尺度，要么做更简单的动作“翻译”。由于操控目标是让机器人完成动作，而不是复刻操控者的肢体几何细节，因此即使操控者手臂更长、伸直时与机器人肢体状态不完全一致，也可以通过映射策略让机器人达到其自身的最大伸展与动作范围。换言之，系统更关注“机器人该怎么动”，而不是“人的关节角度是否一一对应”。

Scott 先解释了“身高/臂长差异”在遥操作里的具体影响：如果操控者的手臂会“伸得比机器人还能伸”，当操控者继续往前伸时，机器人其实已经到达最大伸展，于是操控者需要先把手往回收一段距离，系统才会重新进入“跟随区间”，这会造成动作回程的延迟感。他后来通过经验规避这个问题：刻意不做满伸展，而是在接近最大伸展前就收手，以保持连续可控。

他进一步提出一种更工程化的解决方式：对操控者的“笛卡尔空间”做缩放映射。例如让两个人的手部控制器空间经过 10%～20% 的比例缩放后，再映射到机器人可达空间，从而让不同身材的人在操控同一机器人时，获得更一致的手感与覆盖范围。

Zena 补充说，目前系统并非严格的一对一复刻：它更像是把“操控者的伸手动作”当作触发信号，然后调用机器人端已经预置、效率更高的预编程动作（例如一套更合理的出拳轨迹与快速回收），而不是逐帧复制人的轨迹；同时也会对触发模型做持续的细调，让动作触发更稳定。

话题转向“中国也在做机器人格斗”的对比时，Zena 的态度是肯定的：她看到中国有很多类似展示，越来越多公司在尝试，这类内容确实能提升大众对“机器人格斗/竞技”这种形态的认知。她强调 UFB 的定位更像“联盟/平台”：联盟负责提供机器人与比赛平台、邀请团队来编程与驾驶、组织锦标赛，并通过举办线下演出吸引观众与赞助商，把资金再投入到联盟发展；线上内容带来关注后，观众会加入社区，进而成为飞手或组建队伍，形成增长闭环。

关于场地与安全，Zena 说明本次活动使用的是 BattleBots 长期使用的竞技场：拉斯维加斯有一座常设、安全、设施完善的场馆，用于线下演出和电视节目拍摄，带观众席，容量约 400 人。她表示门票仍可购买，预计演出前几天售罄；并提到现场会有观众熟悉的科技类 YouTuber 参与，进一步增强“秀”的效果。联盟的核心命题仍是“人形机器人”，暂不打算把范围扩展到非人形形态。

在活动规划上，Zena 表示：1 月 6 日拉斯维加斯是重要节点；1 月在旧金山还会有几场活动；2 月下一场大型活动在丹佛；之后会以全球季度性大赛为主，同时还会用直播形式试验更多“非格斗”的实验型玩法。

当话题回到“安全与规则”时，主持人与 Scott 强调：如果机器人能力增长很快，而政策与安全规范跟不上，会带来风险，因此需要让安全委员会与政策制定更早介入。Zena 回应称 UFB 已在推进这件事：他们参与 Silicon Valley Robotics 这一非营利组织的社区网络；她也与 Boston Dynamics 的政策负责人建立了沟通，并计划合作制定“格斗机器人”的政策与伦理规则手册，希望以更主动的方式推进标准化。她还提到曾与 Scott 讨论过一个名为 “humankind” 的设想：协调多家人形机器人厂商，推动大家在政策与规则上达成一致，形成某种行业标准。

结尾处，Scott 提出一个非常现实的“跨国赛事物流”难题：机器人本体可以作为行李运输，但电池包受航空运输限制——通常电池只能随身带入客舱且容量有限，大电池往往无法托运；因此需要地面运输或货运，并可能要“机器人与电池分开运输”。Zena 说联盟正在用“区域枢纽”来解决：例如他们在马来西亚有运营枢纽，未来计划在关键区域建立更多中心，提前在各大洲准备电池与运维能力；队伍只需飞人过去，电池可由本洲枢纽调度到比赛地，以保证全球赛事的运维顺畅。