最近看到一个比较提气的消息天骄队的人形机器人跳出了 7.97 米拿下世界人形机器人运动会跳远冠军。这个数字放在人类田径场上不算夸张但放在人形机器人身上意义完全不一样。七米九七意味着一个双足机器人需要在高速奔跑中完成重心切换起跳瞬间把动能转化成向上的弹跳再在空中调整姿态最后在落地时扛住几倍于自身体重的冲击并且整个过程不能摔倒。这不是“走稳”的延伸而是一整套运动控制能力的集中展示。很多人对人形机器人的印象还停留在“能走、能跑、能跳舞”。但实际上跑和跳是两个层级的挑战。走路时双足支撑时间足够长重心可以在支持域内慢慢调整而跳跃几乎每一步都在失衡的边缘。跳远尤其难它需要同时满足水平速度和垂直速度的耦合起跳角度、地面反作用力、关节力矩上限、落地缓冲连续性任何一个环节偏离阈值成绩就会缩水甚至直接翻滚。因此这个 7.97 米值得拆开看它不只是一个纪录更像是一次对整机硬件、感知、规划、控制和能量管理的系统性压力测试。这篇文章想把这 7.97 米背后的技术问题拆开讲清楚。半决赛式的科普之外我还会谈一下这类赛事对人形机器人落地到底有什么价值以及普通开发者能从中学到什么。如果你正在做足式机器人、机械腿或者任何涉及高动态运动控制的项目后面几个章节里会有更具体的参考。1. 一个跳远成绩背后藏着哪些技术维度表面上人形机器人跳远只需要两步助跑跳跃。但工程实现上这是一个从硬件到软件全链路联动的动作。任何只看“跳出去的瞬间”的人都会低估这背后的复杂度。1.1 起跳的本质是“在极短时间内把水平动能改写成垂直动能”跳远起跳并不是单纯地“往上跳”。助跑阶段身体有较大的水平速度起跳腿在落地瞬间必须把一部分水平动量转化为垂直方向的升力。这个过程发生在几十毫秒到一百多毫秒的时间窗口里关节电机需要在这个短窗口内输出峰值力矩同时精确控制关节速度变化。对人形机器人来说这要求不止于“有力气”。很多机器人关节电机在低速下的峰值扭矩可以很大但转速一上来扭矩就会快速下降。而人形机器人腿长通常只有 0.8 到 1 米左右起跳时膝关节、髋关节的角速度变化很快电机必须在高速区间仍然保有足够扭矩否则会出现“发力跟不上”的现象。这也是为什么传统工业机器人很难做这类动作它们的减速比和体积决定了动态性能不足。另一个点是力矩规划和执行延迟的匹配。控制器需要根据当前状态预测未来几十毫秒的接触力再生成关节力矩指令。如果控制频率低或者执行器响应慢起跳时机就会偏早或偏晚最终成绩可能差出几十厘米。1.2 助跑阶段比起跳更容易被忽视助跑的距离和速度决定了起跳时能利用的水平动能。但人形机器人不是轮式小车它每跑一步都在反复经历“失去平衡—重新找回平衡”的过程。助跑不稳定的机器人往往在最后一步时重心已经歪掉即使起跳动作再标准也会把能量消耗在纠正姿态上。更麻烦的是助跑速度越高步频越快每一个支撑相的时间越短。控制算法需要在高动态状态下估计机器人的状态包括机身位置、朝向、各关节角速度和角加速度。通常依赖 IMU、关节编码器、足底力传感器做状态估计。但在快速奔跑时足底接触会频繁发生冲击传感器噪声和落地抖动会被放大。如果滤波器没有调好估计出的机身姿态会有几十毫秒的延迟而这几毫秒已经足够让起跳腿的发力方向偏出数度。所以看起来“跑过去跳一下”的简单动作实际上每一步都在做状态估计、模型预测、接触检测和力控修正。7.97 米这个成绩能成立至少说明助跑阶段的运动控制已经做到了相当高的稳定性。1.3 空中姿态与落地缓冲是一个不可分割的整体起跳之后机器人会进入一个飞行段。这几十厘米到一米多的空中阶段看起来没有支撑但控制系统仍然需要工作。机器人不能在空中随意摆腿否则落地时的姿态会非常糟糕。部分跳远机器人会利用髋关节和膝关节的摆动在飞行中调整质心的角动量让落地瞬间的姿态更接近理想角度。落地是整个跳跃里最容易出事故的环节。以 7.97 米为例起跳离地时垂直速度和水平速度叠加落地脚受到的瞬时冲击可能达到体重的 3 到 5 倍甚至更高。如果机器人腿部没有足够的弹性缓冲或者关节在冲击下发生位置偏差就会摔倒。更关键的是落地后必须快速把前向动量耗散掉否则会向前翻滚。好的落地缓冲不是硬扛而是通过腿部关节主动柔顺控制让冲击力在几毫秒到几十毫秒内逐步释放。这需要关节控制器能够在极短时间内从位置控制切换到力控制并且在缓冲后继续维持平衡。这些阶段并不独立。起跳角度决定了飞行抛物线和落地姿态空中摆腿改变了落地前的角动量落地缓冲的好坏又直接决定了这次跳跃是否被判为有效。任何一个环节的失误都会让前面所有的工作白费。所以 7.97 米是整个控制系统多次协调的结果而不是单次爆发力的胜利。2. 为什么单次跳跃比行走更考验控制人形机器人行业里经常有人说“会走之后跑是一个坎能跑之后跳又是一个坎”。这句话有它的工程依据。行走和跳跃在控制难度上不是线性递进而是本质不同。2.1 行走控制可以依赖“稳定裕度”跳跃必须在动态中工作传统双足步行常用 ZMP 理论只要零力矩点落在支撑多边形内机器人就不会倒。这个框架非常适合慢速行走每一步都可以“验证”一下自己稳不稳然后再迈下一步。跳跃则不同。起跳瞬间地面的反作用力会远大于重力ZMP 已经不在支撑多边形内甚至不存在一个稳定的支撑多边形。控制器必须放弃“当前是否稳定”这种静态判断转而考虑整个动作的时序起跳时的推进力、飞行段的角动量、落地策略。也就是说控制系统不再追求“每一步都稳”而是追求“整个动作结束后稳”。这个转变对算法设计影响很大。很多非线性控制算法例如基于模型预测控制或全身动力学控制在跳跃场景里需要处理复杂的接触约束和关节力矩约束。在运动过程中支撑腿、摆动腿、身体姿态都是高度耦合的单关节 PID 已经基本失效。2.2 动态扰动更多模型误差更容易被放大行走时如果模型里腿的质量估计偏了 5%可能只是导致步态稍微不自然。但在跳远中5% 的腿部质量误差会让质心轨迹预测产生明显偏差起跳时可能少跳 10 厘米或者落地时姿态严重异常。因为跳跃动作中关节角速度和角加速度通常比行走高一个数量级动态非线性效应更强。关节摩擦、连杆柔性、电机响应延迟这些因素在低速行走时不明显但进入高速弹跳时都会变成不可忽略的干扰源。这使得跳远成为了一个“模型误差放大器”极考验动力学建模的精度也考验控制算法的鲁棒性。很多团队在仿真环境里能让机器人跳出八米以上但一到实物测试就断腿或者翻车原因就在这里。仿真是理想模型而实物充满了非线性摩擦、延迟、结构弹性和传感器噪声。那些能把实物成绩推到七米级的队伍通常已经建立了相当精细的整机模型并且花了大量时间做参数辨识。2.3 能量与热管理变成硬约束人形机器人最大瞬时输出功率可能数倍于行走时的平均功率。关节电机会在起跳瞬间达到电流上限电控板上的瞬时温升很快。如果不做热管理连续几次跳远测试后电机性能会明显下降甚至烧毁。所以训练跳远不是“每次都用全力跳”。更稳妥的方法是先做低功率跳跃逐步增加速度与起跳力度同时观察关节温度、电流曲线和落点数据。如果发现某个关节在最大电流附近持续超温就需要调整起跳策略或者降低期望速度。7.97 米这种成绩背后很可能经历了大量“半功率—全功率—冷却—再全功率”的循环测试。机器人运动能力的边界往往不是差在电机峰值够不够而是差在长时间大电流工况下的散热能力和电机持续输出能力。3. 从 7.97 米看人形机器人的工程边界单纯说“机器人跳得远”容易让人忽略一个事实这背后是材料学、电机设计、机械结构、嵌入式系统和控制算法的综合极限。我们可以把 7.97 米当成一次“工程综合能力的摸底考”。3.1 腿部结构的设计取舍轻量、强度、刚度之间的三角关系跳远机器人需要在自重尽量轻的前提下承受落地时的高冲击。这直接对腿部材料提出要求。碳纤维复合材料强度高、重量轻是常见的选择。但碳纤维结构件的设计非常依赖载荷路径分析一旦某些部位应力集中高速落地时容易出现裂纹甚至断裂。另一个设计维度是刚度和柔顺性的平衡。过度刚性的腿落地缓冲差冲击会直接传递到机身损坏关节过度柔性又会损失力量传递效率。所以许多高动态足式机器人会加入串联弹性元件例如弹簧和阻尼器形成一个二阶柔性系统。这个柔性系统的自然频率必须和机器人的步频、起跳节律匹配否则会带来反效果。整个腿部结构的质量分配也很重要。越靠近脚踝的质量对摆动惯量影响越大。把电机尽量靠近髋部、用连杆传动到膝踝可以降低腿部转动惯量让摆动更快、更轻。这种设计会增加机械复杂度但换来的是更高动态性能。3.2 执行器已经走到“功率密度不够用”的边缘人形机器人跳远需要关节在极短时间内输出大扭矩。电动直驱电机方案的优势是控制精度高、力矩响应快但扭矩密度不如带减速器的电机。带谐波减速器的关节能放大扭矩但减速器会增加质量、降低反向驱动性和响应速度。液压驱动的优点是功率密度高但需要液压泵、伺服阀等复杂外围能耗也高。近年来还有不少团队尝试准直驱方案用低减速比配合大扭矩无框电机希望通过电流直接控制力矩减少减速器带来的摩擦和弹性。但无论哪种方案在跳远这种极限工况下都会碰到“再高一点输出就撑不住”的瓶颈。电机电流受绕组电阻和散热限制减速器输出扭矩受齿轮强度限制电池瞬时放电能力受内阻和重量限制。7.97 米的成绩某种程度上已经说明至少在某一类构型下电驱动系统是能够支撑这一级别的跳跃的。3.3 感知系统不是越贵越好而是越稳越好跳跃过程时间极短激光雷达或视觉相机很难在几十毫秒内完成有效反馈。真正依赖的是本体感知关节角度、角速度、三轴加速度、角速度陀螺、足底接触力。这些传感器数据在实时控制回路里要经过滤波、状态估计和预测才能形成反馈。传感器必须足够轻、抗冲击、低延迟。很多人忽略的是传感器安装位置和温度漂移。落地冲击大时如果 IMU 安装板存在结构共振数据会叠加高频噪声可能导致控制指令抖动。所以跳远机器人调试时团队经常要观察传感器原始波形确认没有因为机械冲击产生谐振。硬件的稳定性和软件的抗扰性同样重要。7.97 米不是靠“更贵”的传感器跳出来的而是靠每一个信号链路的可靠。4. 这类竞赛对通用人形机器人落地意味着什么世界人形机器人运动会的意义不完全在比赛本身而是给所有研究者提供了一个共同测试场在同一个规则下比谁的机体更硬、算法更稳、系统更完整。这和自动驾驶测试场、机器人抓取竞赛的逻辑类似。通过有边界的对抗快速暴露问题。4.1 把“科研演示”推向“工程校验”很多高校和实验室里的人形机器人能够做一些运动演示但很少能持续进入极限状态。竞赛迫使团队把机器人推到边界。只有接近翻车边缘的测试才能发现关节间隙、材料疲劳、控制时序、电流保护等方面的问题。7.97 米这个结果说明至少有一只队伍把“实验室里的运动规划”变成了“能承受重复冲击的实体系统”。这个能力在工厂巡检、物流搬运、灾难救援等场景里同样重要。真实世界随时随地会有冲击、滑倒、碰撞如果机器人只能在平整地面上慢走那它的工程价值会非常受限。4.2 运动会项目映射的是实际能力项跳远不只是比弹跳。它本质是在测试“高速移动时的稳定性”和“极端工况下的冲击响应”。这两个能力正是人形机器人能否进入非结构化环境的关键。比如在灾害现场跨过沟壑、在工业设施中登上台阶、在踩空时及时调整姿态这些都需要类似的身体控制能力。旋转、跳跃、足式平衡、跑步这些运动项目分别对应着不同维度的控制问题。运动会能把这些复杂能力的评测标准化让团队之间可以横向对比。反过来竞技中的规则设计和判罚标准也会影响技术路线选择。如果评分只看跳跃距离队伍就会追求极限成绩如果包含“落地是否稳定”的罚分队伍就会在安全边界内更保守。这些规则设计本身也是行业对“成熟机器人”定义的一部分。4.3 商业化之前这类极限测试是必须补的课人形机器人要进入真实工作场景不能只会在光滑地面上走。很多公司已经在尝试落地场景比如汽车工厂里的搬运、装配、质检。但这些场景可能涉及斜坡、门槛、不规则路面甚至偶发的碰撞。如果机器人的运动控制系统没有经过高动态冲击验证在实际运行中很可能会因为一次绊倒就损坏关节或机身。跳远这类比赛可以看作是“把未来可能要遇到的故障提前演练一遍”。通过刻意制造动态极限找出机械结构和控制算法的薄弱点再针对性地迭代。这比在实际客户现场跌倒一百次要高效得多。从这层意义看竞赛成绩不只是一个宣传点还是一种工程验证方法。5. 普通人形机器人开发者能借鉴什么你可能没在做跳远机器人甚至没在做人形机器人。但这类高动态运动控制的工程经验可以迁移到很多机器人项目里比如机械臂抓取、移动底盘跳跃、四足机器人跨越障碍等。下面这套方法是我觉得任何做机器人运动控制的人都可以复用的。5.1 先用简化模型跑通再做整机仿真最后才上真机跳跃控制的起点不是拿到机器人就调参数而是先建立简化模型。可以先把机器人简化为一个质点和一条无质量腿研究起跳角度、初始速度和落地距离之间的关系。用这个模型决定目标速度、起跳角度和关节轨迹的粗范围。然后进入多刚体仿真把每条腿的质量、惯量、关节限制、力矩曲线加进去。在这个阶段可以验证起跳跳跃动作是否协调落地时关节是否有过限位。当仿真中能够稳定地跳出指定距离后再考虑移植到真机。真机阶段最忌“直接跑完整动作”。通常的做法是分步拆解先做原地起跳验证垂直弹跳能力和落地缓冲。再做短距离助跑低跳验证起跳时机和地面接触。逐步提高助跑速度让机器人慢慢接近极限。每一步都要记录关节电流、位置误差、机身姿态、落点数据确认没有异常才进入下一步。这种方法本质上是在把“不确定”逐步变成“确定”。5.2 不要急着调控制参数先确认传感器数据可信很多人在调试机器人跳跃时发现动作总是变形第一反应是调控制器的增益。但真正的问题通常出在状态估计上。如果 IMU 数据显示机身倾角偏了 2 度或者足底力传感器在落地瞬间出现较大误触发任何控制器都无法正常工作。我更建议的排查顺序是这样先复现问题现象是跳不起来、跳偏还是落地摔倒再看输入信号关节位置反馈是否平滑IMU 波形有没有谐振噪声力传感器是否有毛刺。接着检查控制频率和延迟指令周期是否稳定有没有因为系统负载过高导致周期抖动。然后检查模型参数质量、质心、惯量是否和实物一致关节摩擦是否有明显差异。最后才去调控制器参数增益、阻尼、规划器权重。这套排查方式适用于几乎所有高动态机器人。很多“玄学”问题最后都出在传感器信号或者接触建模上。5.3 引入“安全边界”和“自动保护”机制跳远机器人在调试时很容易损坏硬件。为了避免每一次错误动作都付出高昂代价需要在系统中加入安全保护机制关节位置和力矩限制超过设定阈值就主动泄力。机身倾角阈值判断检测到即将摔倒时立即停止大功率输出尽量降低冲击。落地检测保护着地瞬间如果冲击过大则切换为柔顺控制而不是继续执行最大力矩。瞬时电流保护防止电机绕组烧毁。这些机制并不会削弱机器人能力反而能让它更勇敢地尝试极限动作。因为团队知道即使失败也不会直接毁掉整机。7.97 米这样的成绩依赖的就是一次次“在安全边界内接近极限”的迭代。6. 边界与质疑不能只看到跳得远任何赛事成绩都需要冷静看待。7.97 米能说明天骄队在跳远这个项目上达到了很高的水平但不一定代表这台机器人在所有方面都优于其他机器人。技术验证和工程成熟度之间还有一段距离。6.1 竞赛成绩的适用边界跳远项目的规则通常只要求机器人落地点尽可能远并没有要求它必须能继续执行其他任务。有些队伍可能会专门为了跳远进行结构优化比如把腿做得更长、更轻或者加装储能弹簧牺牲一般的行走能力。这类特化设计在单一项目上容易出成绩但放到通用人形机器人上未必适用。所以如果你在看这类赛事时要判断一个团队的综合实力不要只盯着冠军成绩。可以看看它的机器人在其他项目上的表现、完成动作的成功率、机器人是否具备多任务复用能力。一个能跳 7.97 米但无法稳定行走的机器人和一个每一项都能稳定完成但单项不出彩的机器人价值取向完全不同。6.2 距离并不代表真实运动智能的全部跳远是一个开环比重很大的动作。起跳前一瞬间的关键变量是速度和起跳角度一旦离地机器人在空中无法再改变质心轨迹只能通过肢体摆动调整角动量。这非常像一套精心编排的“抛体运动”。它考验的是前馈规划能力和起跳时机的准确性而对连续决策和实时自适应能力的要求反而不如随机路段行走或者动态步态切换那么高。因此7.97 米更像是“运动控制系统在已知条件下能做到多好”的证明而不是“机器人有多智能”的证明。真正能体现通用人形机器人价值的往往是那些充满随机扰动、没有标准动作模板的场景例如突然被推一下后重新站稳或者在不平路面上自主调整步态。6.3 未来更值得关注的是“成功率”和“鲁棒性”人类运动员跳远时一次起跳失误后可以在下一跳调整。机器人同样可以。但赛事里通常只记录最好成绩如果一台机器人十次尝试只有一次能跳出七米级另九次都翻车那它的工程可用性就很低。更值得关注的指标是相同工况下多次尝试的成功率。成绩的方差也就是每次跳得是不是接近。面对地面微小摩擦变化时的表现。电池电量下降后成绩是否还能维持。只有把成功率拉高到接近 100%才能把这种能力转化为实际生产力。当前包括跳远在内的高动态竞赛更多是在探索“物理上限”而距离“可靠应用”还有很大的优化空间。从工程人的角度看这个世界人形机器人运动会跳远冠军真实价值不在于“第一”这个称号而在于它验证了一套完整的设计、建模、控制、测试闭环。无论最终是哪只队伍做到这个行业都因此向前走了一步。如果你正在做自己的机器人不妨把这 7.97 米当成一个参照不是要求你的机器人也能跳这么远而是希望你从中看到那套“从模型到仿真从仿真到真机从一次成功到稳定复现”的方法论。真正的冠军不是某一次跳得好而是能在复杂、不确定、充满冲击的环境中依然能做出稳定判断和动作的那个系统。