机器人学走路：早年靠工程师硬算，如今靠自己摔出来

你走路从来不用想：抬腿、落脚、拐弯、上台阶，全是本能。可同一件事，机器人琢磨了好几十年，直到最近才勉强走顺——一台能翻跟头的机器人，可能上一秒还稳如老狗，下一秒就当众"表演劈叉"。

先把结论按这儿：机器人学走路，走过两条路。早年是工程师把平衡一行一行"算"给它；这几年更主流的玩法，是让它在虚拟世界里"摔"亿万次，自己摔明白，再搬进现实。 从"算"到"摔"，这就是机器人学会走路的整条剧情。

为什么走路对它这么难：一根随时要倒的棍子

人是天生的平衡高手，机器人不是。它的一条腿，在工程上被抽象成一根"倒立摆"——一根想尽办法竖着、却随时要倒的棍子（来源：腾讯云开发者社区·ZMP 科普）。

站着不动还好办，一迈步，重心就飘。工程师最早让它"静态走"：每一步都把重心稳稳压在双脚之间，绝不越界——结果就是慢，一步能磨蹭十秒（来源：博客园·双足机器人的平衡控制）。后来才有了"动态走"，速度提上来了，可惯性也上来了，说停停不住，一不留神就栽。

老办法：把平衡"算死"——ZMP 与倒立摆

为了驯服惯性，工程师请出了一个关键概念：零力矩点（ZMP）。

说人话，ZMP 就是地面托住机器人那股合力的"落点"。只要这个点始终待在双脚的支撑范围里，机器人理论上就不会倒（来源：腾讯云开发者社区；《计算机研究与发展》·双足机器人步态控制综述）。ASIMO、早期的 Atlas，走的都是这条路子（来源：腾讯云开发者社区）。

这套路的核心是"基于模型"：工程师得先把机器人的身体、地面、重心关系用动力学方程建得明明白白，提前算好一条理想的 ZMP 轨迹，机器人再照着执行（来源：《计算机研究与发展》综述）。

它的软肋也正在这儿：太吃"预先建好的模型"。实验室地板平、路线排练过，它走得漂亮；可现实里有斜坡、有台阶、有人突然横穿，环境一乱、一变快，它算不过来，也反应不过来。一句话——它会走台步，不太会走山路。

新办法：在虚拟世界里摔亿万次

那能不能别让工程师一步步喂招，让机器人自己练？这就是强化学习的思路：给它一个目标（别摔、往前走），让它疯狂试错，走稳了给"奖励"，摔了就调整，练着练着自己就摸出门道。

问题是，这种"练"贵得吓人。让机器人学会一套稳当的步态，往往需要数千万次试错，真放到实体机器人身上练，得连轴转好几个月，还没等学会，齿轮先磨坏、机器先摔散架了（来源：arXiv 2511.06465·双足 Sim-to-Real 综述）。

于是有了那句关键操作：先在仿真里练。 在虚拟世界里，机器人可以被复制成成千上万个"分身"同时开练，摔了随时重来、不心疼，练一整天现实里可能只过去几个小时。俄勒冈州立大学那台双足机器人 Cassie，就是在仿真里练了约 1.5 亿步，几个小时练完，直接学会了走、跑、跳、上楼梯，再搬到真机上（来源：Oregon State University 工程学院·Great strides）。

这套打法，特别像打游戏：先在关卡里反复刷、反复死、把套路刷到滚瓜烂熟，再上真赛场。

最后一道坎：从"游戏"到"现实"的 Sim2Real

不过游戏通关了，现实不一定买账。仿真里的物理是简化的——摩擦、软硬、电机的脾气，都和真实世界对不上。一个在虚拟里健步如飞的策略，直接搬到真机上常常当场翻车。这道缝，业内叫 "Sim2Real 鸿沟"（来源：arXiv 2511.06465；Oregon State·Great strides）。

补缝的主流招数叫"域随机化"：训练时故意把摩擦、重量、外力这些参数来回乱调，让机器人在"忽软忽硬、忽轻忽重"的花式环境里练。见得多了，它就不挑食，换到真实世界也能扛住（来源：Oregon State·Great strides；Humanoid-Gym·arXiv 2404.05695）。说白了：练的时候故意刁难它，上场才不怯场。

现在到哪一步了

这两条路，如今更多是"合流"而非二选一。近两年，靠 GPU 大规模并行仿真、再配上域随机化，越来越多人形机器人能做到"仿真里练完、零调试直接上真机"——从宇树的机型到各类开源框架，都在这条线上狂奔（来源：Humanoid-Gym·arXiv 2404.05695；NVIDIA Isaac 生态）。走平地、上下不平的地面，很多已经拿下。

但也别急着神化。真正的复杂地形、意外推搡、长时间稳定行走，仍是没啃完的硬骨头。会走秀，离会走山路，中间还隔着一段路。

顺便说个更值钱的角度

看到这你大概咂摸出味儿了：机器人学走路，本质是"运动控制"这一环从基于模型转向数据驱动的缩影。而走路，只是具身智能的第一步——它背后连着传感器、仿真平台、大模型、真实数据采集一整条产业链。

这条链子里最值钱的问题是：当机器人真能"自己学"了，谁在卖铲子、谁在挖金矿，哪一环是真机会、哪一环只是陪跑的故事？

想把具身智能从技术演进到产业机会一次看穿？ 我们做了份《具身智能与工业机器人技术演进与产业机会研究》——公众号后台回「机器人」，拿去看。