人形机器人如何像人类一样自然运动？如何通过语言指令让机器人理解并执行复杂动作？

5月29日上午，在上海张江科学会堂举办的2025张江具身智能开发者大会暨2025国际人形机器人技能大赛上，国家地方共建人形机器人创新中心（以下简称“国地中心”）联合复旦大学未来信息创新学院，正式发布了全球首款生成式人形机器人运动大模型—— “龙跃”（MindLoongGPT）。

龙跃大模型以“自然语言驱动”为核心，构建了从多模态输入到高保真动作生成的完整闭环，颠覆传统运动控制范式。也就是说，用户无需学习专业术语或操作复杂软件，仅需像与人类对话一样发出指令，例如“以优雅的姿势递上一杯咖啡”、“挥手致意”或上传一段参考视频，龙跃大模型即可自动解析语义并生成对应的连贯动作，并支持通过追加指令实时调整细节。这一能力，在教育、服务机器人领域具有颠覆性意义。

当前市场中的动作生成模型往往存在两大痛点：一是依赖高算力硬件，难以低成本部署；二是生成结果机械呆板，缺乏可控性。据介绍，龙跃大模型具有四大核心技术优势：

一是多模态交互、低门槛驱动。MindLoongGPT支持文本、语音、图像等多模态输入，用户只需用自然语言驱动，模型即可“一切行动听指挥”。传统方法依赖专业参数调整的桎梏被打破，真正实现“人人可用”。

二是拟真度与时序一致性双突破。通过将人体动作视为“时序语言”，MindLoongGPT对动作序列逐帧建模，精准捕捉动作间的连续性，解决了长序列生成中的僵硬、跳跃问题，生成的跑步、舞蹈等动作不仅流畅自然，更保留真实人体的惯性节奏。

三是结构生成与细节优化并重。模型采用分阶段生成策略，从全局姿态到局部关节角度均实现毫米级精度控制。

四是轻量化设计，赋能广泛场景。在保证性能的前提下，MindLoongGPT模型体积被压缩至同类型产品的1/3，可在教育机器人、智能穿戴设备等嵌入式平台实时运行，为产业落地铺平道路。

据了解，目前国地中心在张江拥有5000平方米训练场，集采集、测试、训练功能于一体，102台数采机器人可支撑每天3万条机器人数据采集、地面真值测试、人体数据采集、仿生数据采集。MindLoongGPT具有7B的模型参数大小，支持text2motion,、motion2text、motion2motion多任务，生成更丰富的动作。通过MindLoongGPT生成特技动作运动轨迹，借助全身跟踪小模型，从而可以在青龙机器人上实现丰富的全身动作。

国地中心5月29日同时宣布，将开放MindLoongGPT的开发者测试版本，并联合张江科学城打造“人形机器人创新应用孵化基地”，为合作伙伴提供技术赋能、数据共享与算力支持，首批合作企业包括多家全球500强科技公司与顶尖高校研究院，将共同探索人形机器人在元宇宙、智能制造等领域的深度融合。