cherry 人形机器人受到关注，起点并不复杂：楼梯、橱柜、货架、门把手都按人的身体尺寸设计，如果机器人能用腿越过障碍、用手拿起工具，就能直接进入为人准备的空间。但几年下来，公开视频里的机器人多在跑跳、翻跟头；真正干活的演示，往往是先走到平地，站定锁住身体，再小心地伸手。这样一来，双腿只负责把机器人送到任务面前，作用接近一对成本很高、也很脆弱的轮子。
难点在底层控制。双足系统要稳，手就容易跟着晃；要手准，身体又容易失衡。过去一年较为主流的做法建立在英伟达开源的全身控制基准 SONIC 之上，它已经展示了全身动作跟踪、遥操作以及接入 VLA 的自主操作能力，但要走向实际操作，还需同时兼顾末端跟踪精度、身体稳定性和可稳定触达的范围。在源策的对比测试中，机器人通过俯身、前伸等全身协调动作去够低处或远处的目标时，开源基线的手部末端跟踪误差在 10 厘米量级，用于精细操作并不够。
控制精度还会继续影响数据采集。训练全身操作模型时，控制系统既要负责最终部署执行，也要在遥操作中充当驱动底座，把人的动作实时转换成机器人的动作。人与机器人身体不同构，数采员已经摸到地面，机器人的手可能还悬在半空，动作做了，触地的意图没有完成，这类有效示范就采不到。另外，SONIC 一类方案的控制逻辑基本绑定在平整地面上，算法假设脚底接触的是连续、平滑的二维平面，地形变化下的动作难以采集。此前把通行和操作结合起来的做法是拼接：上楼梯时用通行功能，到了平地再切换成手臂操作，机器人若抱着箱子走到台阶前，得先把箱子放下。
近期源策未来发布了新模型和演示，以“全身智能”（WBI）为技术路线，自采人类全身交互数据，研发能够适配不同本体的人形基础模型系统。演示中，机器人俯身弓腰、全身发力扶起倒在地上的自行车，也能完成按压电饭煲启动键这类精细动作；还有一段搬踏台登高的画面，它自己搬来踏台放下，再踏上平台抓取高处的物品，把搬运、支撑转换和高位操作连在了一起。
