人形机器人百米跑出9.39秒直接超过博尔特这条消息最近被讨论得很多。先说我的判断这个成绩更像是一次特定条件下的运动能力展示不是说人形机器人已经全方位超越人类运动员。真正值得关注的是它背后那套硬件设计、运动控制算法和软件架构以及这类测试到底怎么验证、怎么复现、怎么避免“看着很强落地就崩”。如果按照标题给出的9.39秒反推去掉起跑和终点后的平均速度大约是10.65米每秒这个数字确实超过了人类男子100米公开世界纪录的平均速度。问题是机器人测速和人类田径比赛不一样赛道条件、计时方式、机器人体型、电池状态、是否外接供电、是否遥控干预都会影响最终成绩。所以这篇文章不打算只复述“机器人比博尔特快”而是把这件事拆成几个可以继续讨论的问题它为什么能跑这么快别人怎么验证哪些指标比一个秒数更值得看。1. 先搞清楚这条新闻到底在说什么1.1 百米9.39秒是什么概念9.39秒的百米成绩按平均速度算是每秒10.65米左右。公开田径测试里博尔特保持的百米世界纪录是9.58秒对应平均速度大约每秒10.44米。如果9.39秒是可靠的公开计时那确实比人类纪录更快。但“人形机器人百米超过博尔特”这句话信息量被压缩得太狠了。百米跑是一条固定赛道机器人在测试前可以做充分准备赛道地面一般是平直、干燥、经过处理的连风速、光照、灯光都会影响视觉和状态估计。相比之下运动员在比赛里要听发令枪、处理起跑反应、面对临场风力和身体状态变化。机器人的这次表现更像是一次峰值性能展示而不是全场景运动能力的证明。所以第一件事是校准预期。不要看到“超越博尔特”就觉得机器人已经能在复杂环境里像人一样奔跑。更准确的理解是这台机器人已经把“双腿动态跑动”这条路跑通了而且跑到了一个相当高的速度区间。这本身就很有价值。1.2 展示成绩和产品能力不是一回事做机器人测试的人都知道实验室里能跑通和现场连续稳定运行是两个概念。一次9.39秒的冲刺背后可能经历了大量参数调试、专用场地测试、电池满电、关节无故障、控制参数调好的最佳状态。真正衡量一台人形机器人的运动能力至少要问三个问题连续跑三到五次成绩是否都接近9.4秒左右。在粗糙地面、轻微不平路面、有光线变化的环境里能否保持稳定。跑完一次后关节温度、电池电量、结构状态是否还正常。如果只是“能跑出一次完美成绩”那说明样机上限很高。如果连续多次都能稳定完成才说明控制系统和硬件设计已经形成闭环。对普通观众来说一次成绩足够震撼对工程师来说重复性和鲁棒性才是更值得关心的东西。1.3 这是硬件和软件在同时工作人形机器人能跑出这个速度不是靠单个大功率电机硬堆而是硬件、计算、算法三者的配合。关节电机提供爆发力减速器把高转速换成大扭矩腿部结构把力传达到地面控制算法根据IMU和关节编码器反馈不断修正姿态规划层负责生成步态。任何一个环节断了机器人都会摔。尤其是高速跑动控制周期非常短如果算法算不过来或者状态估计有延迟机器人会立刻失去平衡。所以看到9.39秒这个成绩背后真正要说的是它的关节硬件、主控算力、运动控制软件已经能在一个很高的节奏上协同工作了。2. 人形机器人跑得快靠的是哪几块硬功夫2.1 关节电机和减速器决定“能不能发力”跑动时腿部关节需要在极短时间内完成屈、伸、蹬地、收腿等一系列动作。这要求电机具备很高的峰值扭矩和扭矩密度。常见方案是使用无框力矩电机配合谐波减速器或行星减速器再通过伺服驱动器控制。判断一套关节方案是否适合高速跑动主要看几个参数峰值扭矩决定机器人能不能在落地瞬间产生足够的反向力。扭矩密度同样重量下能输出多大扭矩直接限制机器人能跑多快。转速上限步频越高关节角速度越快电机转速不够会卡住步频。响应带宽电流环、速度环、位置环的响应速度影响控制稳定性。这里有一个容易误解的点减速比越大关节输出扭矩越大但转速会下降。人形机器人跑步需要同时兼顾扭矩和转速所以减速比不能简单追求大要和电机转速、机器人目标步频匹配。很多机器人跑不快不是电机功率不够而是减速比选得太大关节转速跟不上。2.2 结构刚度决定“力传不传得出去”高速跑动时每一步落地都会产生冲击。如果腿部结构、腰部结构、脚踝结构刚度不足能量会在结构变形中损失控制算法算好的关节角度可能到了末端就变形了。结构柔性还会带来额外振动让IMU数据变得不干净状态估计更容易出错。所以高强度材料和轻量化设计同样重要。碳纤维、铝合金、钛合金等材料常用于机器人骨架但材料只是基础关节连接处的间隙、螺栓预紧、连杆截面形状都会影响整体刚度。测试时可以做个简单检查把机器人放在地面上用手轻推机身观察腿部是否出现明显晃动或者读取关节编码器和IMU在静止时的噪声水平。如果静止状态下姿态都有明显波动高速跑动时稳定性会很难保证。不要一上来就调算法先把结构刚性确认好。2.3 计算平台和软件架构决定“控制来不来得及”机器人跑得再快如果没有低延迟的控制回路硬件优势也发挥不出来。这套控制链路的组织方式通常叫“人形机器人软件架构”。从热搜里全志科技人形机器人芯片这个话题也能看出大家已经注意到主控算力平台的重要性。一套典型的运动控制系统会分成几层主控SoC处理视觉、IMU数据、任务调度、高级步态规划。关节控制器或MCU负责底层电流环、速度环和位置环直接驱动电机。通信总线连接主控和各关节要求低延迟、低抖动。实时操作系统保证控制任务在一个确定的时间周期内完成不能被后台任务挤占。高速跑步对实时性的要求很高。比如控制周期如果是1毫秒那当IMU检测到身体倾斜时主控必须在几毫秒内算出修正指令并发送到各关节。这个链路里任何一段延迟过大都会让机器人的姿态调整慢半拍。软件架构设计上我比较建议把任务层、规划层、状态估计层、底层控制层分开。任务层决定“现在要跑”规划层生成“下一步怎么跑”状态估计层回答“机器人现在处于什么姿态”底层控制层负责把期望力矩变成电流指令。各层之间通过明确的接口通信方便单独调参和排查问题。不要把逻辑全堆在一个循环里否则后面改参数会非常痛苦。3. 如果自己也想做类似测试怎么搭一套可验证的流程3.1 先把测试条件固定下来人形机器人测速不是真的找一条田径场直接跑。测试之前要统一环境赛道长度用100米还是更短的跑动段加加减速缓冲段。计时方式光电门、高速相机、激光测距还是机器人自带IMU里的时间戳。起跑判定是机器人从静止自己启动还是给它一个初始冲量。是否允许外接电源使用电池还是通过电缆供电直接影响续航和功率上限。这些条件不统一成绩就没有可比性。9.39秒如果是在某条专用测试跑道上用特定计时设备测出来的那它更多是“该场地条件下的最好成绩”而不是全球通用标准。以后要复现这个成绩第一条就是复现场景。3.2 从慢速行走开始不要一上来冲成绩我见过不少团队做运动控制第一步就想让机器人跑起来结果摔了几次后开始怀疑算法。更稳妥的做法是先验证双腿支撑和单腿支撑。具体流程可以这样拆分先让机器人原地站定确认姿态稳定、关节无异常抖动。再测试单腿站立观察重心偏移是否可控。然后做慢速行走先走平路逐步加快步频。稳定后再进入跑步模式因为跑步有腾空相比行走更难控制。每一步都要记录状态。比如单腿站立时机器人脚底压力中心是否落在支撑脚范围内质心位置有没有偏离预定轨迹。如果这些基础状态都不对直接上高速跑动只会放大问题。3.3 提高速度的路径先固定一个变量机器人的跑动速度可以简单理解为步频乘步幅。想提速要么提高步频要么加大步幅。但两者不可以同时大改否则机器人会因为控制参数互相影响而摔倒。我的建议是先固定步幅逐步提高步频观察关节转速和系统稳定性。等步频达到某个水平后再固定步频尝试加大步幅观察落地冲击和姿态恢复能力。每改一次参数都要记录成绩和稳定性不要凭感觉判断“好像更快了”。提高步频的瓶颈通常在电机转速和控制周期。增大步幅的瓶颈通常在地面冲击和结构刚度。如果发现某些速度区间机器人明显不稳可以尝试通过调整重心高度、躯干前倾角、摆腿轨迹来优化而不是简单加大输出。3.4 记录指标速度不能只看秒数做跑步测试时除了最终用时至少要记录以下指标指标说明用处平均速度100米用时反推判断整体成绩步频每分钟或每秒的步数判断控制节奏步幅单步前进距离判断腿部动作幅度关节角度曲线髋、膝、踝在跑步周期里的变化分析动作是否合理关节力矩电机或关节的力矩输出判断硬件负载功耗和电流整机或电池电流波动判断功率余量机身温度电机、减速器、驱动板温度判断散热是否到位姿态误差机器人躯干角度和目标角度的偏差判断稳定性如果每次跑完只看一个秒数会漏掉很多信息。比如成绩不错但电机温度已经接近上限说明硬件余量不多或者步频很高但步幅很小说明腿部伸展可能不够。这些细节才是后续优化的依据。4. 实测中的关键参数和判断标准4.1 速度来自步频和步幅的乘积跑步速度的底层公式很简单speed step_frequency * step_length如果百米用时9.39秒平均速度约10.65米每秒。一条腿的步频和步幅可能有多种组合。比如步频4步每秒、步幅2.66米或者步频3.5步每秒、步幅3.04米。不同组合对硬件和控制的要求完全不同。高步频需要关节快速响应控制周期不能太长。大步幅需要腿部有足够伸展角度同时落地时承受的冲击更大。所以分析一个跑步成绩时不要只看平均速度要问机器人是用“碎步快跑”还是“大步慢跑”跑出来的。这决定了好成绩的技术路径。4.2 稳定性判断不要只看“没摔”机器人跑完全程没摔只是最基本的要求。真正要关注的是它在跑步过程中是否有接近失控的临界状态。判断标准可以看质心投影是否始终落在支撑脚形成的多边形范围内。每次落地时躯干姿态误差是否能在下一个步态周期内收敛。脚底压力是否有突然的异常冲击峰。关节力矩是否出现明显抖动或饱和。如果机器人虽然没摔但每一步都在剧烈晃动说明控制参数可能接近临界点。这种状态很危险一旦地面稍有变化机器人可能立刻摔倒。测试时最好同时记录IMU角速度和姿态角分析数值曲线而不是只看终点视频。4.3 9.39秒这个成绩怎么理解先做一点保守处理如果9.39秒是公开测试环境下的计时成绩那它确实是一个非常值得关注的数字。但把这个数字放到坐标系里还需要看几个前提。一是机器人尺寸。不同身高和腿长的人形机器人同样的步幅对应的相对动作幅度不一样。腿长越短要跑出同样速度步频必须更高控制难度更大。二是是否带手臂摆动。跑步时手臂摆动可以帮助抵消躯干的旋转力矩。有些机器人会利用摆臂来提高稳定性。三是测试次数。一次完成和连续多次完成可信度完全不同。对这类运动能力证明来说我更希望看到“连续三次成绩都在9.5秒左右”这样的数据而不是单次极限成绩。4.4 硬件边界温度、电压、振动跑得越快硬件的热和振动问题越明显。电机在持续高速加减速时会产生大量热量减速器长时间高负载运行也会升温。如果散热设计不足电机性能会在几次奔跑后明显下降速度越来越慢。电池电压同样关键。峰值冲刺时电流很大电池电压会因为内阻而跌落。如果电压低于驱动器最低工作电压电机输出扭矩会下降。这就是为什么有些机器人刚充满电跑得很快电量低一点就跑不动了。振动主要影响传感器。高速跑动中脚底撞击地面产生的振动会传导到IMU。如果IMU安装位置没有做减震姿态数据里会混入大量噪声状态估计误差增大。遇到姿态不稳的问题先检查IMU安装和滤波参数再考虑是不是控制算法的问题。5. 做这类高速跑测试最常见的坑和排查顺序5.1 跑不快先从硬件极限排查机器人跑不出预期速度时不要急着把步频参数往上调。先确认硬件是不是已经到了极限。排查顺序可以是查看电机转速是否已经接近峰值。查看关节电流是否出现长时间饱和。查看减速器是否有异响、卡顿或异常温升。查看电池电压在冲刺阶段是否明显跌落。如果电池电压跌得厉害电机能输出的扭矩自然受限。这时候换更大倍率电池或提高电池电压上限比调算法更有效。如果是减速比的问题比如峰值转速不够那么调步态参数也改善不了太多需要改硬件。5.2 跑不稳先看状态估计表现是机器人左右摇摆、躯干前倾后仰、甚至没跑几步就摔倒。这时候很多人会去调PID增益但真正问题可能在状态估计。具体排查IMU数据和关节编码器数据是否时间同步。滤波器带宽是否过低导致姿态数据滞后。IMU是否固定良好是否存在振动干扰。状态估计器的协方差参数是否和实际传感器噪声匹配。可以做一个简单测试让机器人原地跑步或原地踏步观察姿态估计值和实际姿态是否吻合。如果静止时都有漂移那动态奔跑时偏差会更大。先解决状态反馈再谈控制参数。5.3 落地总有冲击先看机械再调算法每次落地都有“哐当”声机器人看起来像在硬砸地面。这类问题不能只靠控制算法里的阻抗参数解决机械结构也是关键。先确认脚底是否有缓冲材料脚踝结构是否能吸收一部分冲击腿部关节间隙是否过大。如果机械间隙明显即使算法再快每次落地也会因为结构松动产生抖动。如果机械没问题再去调落地控制。常见做法是采用虚拟模型控制和阻抗控制在落地阶段让关节表现出一定柔性减少冲击。但这个参数不能一味调低否则脚落地后支撑力不足机器人会“软腿”摔倒。5.4 从仿真到实机的差距很多团队在仿真环境里能跑得很好一上真机就摔。原因通常是仿真里的地面模型、摩擦系数、关节刚度、电机响应和实机存在差异。要缩小这个差异可以分几步走在仿真里加入更真实的摩擦模型和关节柔性。先做半实物测试比如把真机控制板接入仿真环境。在悬吊支架或辅助装置上让真机先跑确认动作正常后再脱离辅助。不要指望仿真调好的参数直接搬到实机上就是最优值。实机调试一定需要预留时间。如果时间紧张至少先验证单条腿动作、单次跳跃、慢速跑这些安全场景。6. 这类成绩离真正的人形机器人应用还有多远6.1 高速跑动只是运动能力的一个维度人形机器人的价值不只是能跑得快还需要能在家庭、工厂、园区等场景里完成实际任务。一个能冲刺100米的机器人不一定能稳定地拿起杯子、上下楼梯、在湿滑地面保持平衡。高速跑动体现的是爆发力和运动控制水平但不是所有任务的必要能力。实际应用中人形机器人更常被要求的是连续行走、跨越障碍、搬动物体、长时间自主作业。这些场景对稳定性的要求高于对速度的要求。如果一台机器人为了跑得快牺牲了结构余量、控制鲁棒性和续航能力那它在真实场景里反而不够可靠。6.2 真正落地更看重可靠性和成本实验室里的峰值成绩和产品化完全是两回事。产品落地时研发团队要回答的问题通常是机器人能不能连续工作几小时而不出故障。出故障后能不能自恢复或者有没有明确的日志帮助排查。整机成本、维护成本、更换零部件的成本是否可控。功耗能不能支撑实际任务时长。在非理想环境里比如地面有灰尘、有轻微斜坡、有强光干扰表现是否稳定。所以看到“超越博尔特”这类消息时可以把它看作运动控制技术的一个里程碑但不要直接等同于“人形机器人已经可以全面代替人类劳动”。技术验证和技术部署之间还有非常多的工程问题要解决。6.3 对普通开发者的启发如果这篇文章对你有实际帮助我希望你记住的是先跑稳再跑快。无论做人形机器人还是做其他工程项目先把单条任务跑通把数据记录完整把失败日志收集好再去追求漂亮的峰值指标。人形机器人软件架构、运动控制算法、算力芯片选型这些方向确实值得继续关注。热搜里出现“全志科技 人形机器人芯片”这类词说明市场已经开始重视主控平台在机器人里的作用。不过对初学者来说不建议一上来就追求百米冲刺。先去复现一个稳定行走理解状态估计、步态规划和底层控制之间的关系效果会好得多。这类运动能力展示最大的意义不是告诉公众“机器人已经超过人类”而是让更多人看到人形机器人在动态控制这条路上已经走得很远了。至于它能不能真正进入日常生活还要看接下来几年里稳定性、成本和复杂场景适配能力能不能追上硬件速度。
人形机器人百米跑出9.39秒直接超过博尔特这条消息最近被讨论得很多。先说我的判断这个成绩更像是一次特定条件下的运动能力展示不是说人形机器人已经全方位超越人类运动员。真正值得关注的是它背后那套硬件设计、运动控制算法和软件架构以及这类测试到底怎么验证、怎么复现、怎么避免“看着很强落地就崩”。如果按照标题给出的9.39秒反推去掉起跑和终点后的平均速度大约是10.65米每秒这个数字确实超过了人类男子100米公开世界纪录的平均速度。问题是机器人测速和人类田径比赛不一样赛道条件、计时方式、机器人体型、电池状态、是否外接供电、是否遥控干预都会影响最终成绩。所以这篇文章不打算只复述“机器人比博尔特快”而是把这件事拆成几个可以继续讨论的问题它为什么能跑这么快别人怎么验证哪些指标比一个秒数更值得看。1. 先搞清楚这条新闻到底在说什么1.1 百米9.39秒是什么概念9.39秒的百米成绩按平均速度算是每秒10.65米左右。公开田径测试里博尔特保持的百米世界纪录是9.58秒对应平均速度大约每秒10.44米。如果9.39秒是可靠的公开计时那确实比人类纪录更快。但“人形机器人百米超过博尔特”这句话信息量被压缩得太狠了。百米跑是一条固定赛道机器人在测试前可以做充分准备赛道地面一般是平直、干燥、经过处理的连风速、光照、灯光都会影响视觉和状态估计。相比之下运动员在比赛里要听发令枪、处理起跑反应、面对临场风力和身体状态变化。机器人的这次表现更像是一次峰值性能展示而不是全场景运动能力的证明。所以第一件事是校准预期。不要看到“超越博尔特”就觉得机器人已经能在复杂环境里像人一样奔跑。更准确的理解是这台机器人已经把“双腿动态跑动”这条路跑通了而且跑到了一个相当高的速度区间。这本身就很有价值。1.2 展示成绩和产品能力不是一回事做机器人测试的人都知道实验室里能跑通和现场连续稳定运行是两个概念。一次9.39秒的冲刺背后可能经历了大量参数调试、专用场地测试、电池满电、关节无故障、控制参数调好的最佳状态。真正衡量一台人形机器人的运动能力至少要问三个问题连续跑三到五次成绩是否都接近9.4秒左右。在粗糙地面、轻微不平路面、有光线变化的环境里能否保持稳定。跑完一次后关节温度、电池电量、结构状态是否还正常。如果只是“能跑出一次完美成绩”那说明样机上限很高。如果连续多次都能稳定完成才说明控制系统和硬件设计已经形成闭环。对普通观众来说一次成绩足够震撼对工程师来说重复性和鲁棒性才是更值得关心的东西。1.3 这是硬件和软件在同时工作人形机器人能跑出这个速度不是靠单个大功率电机硬堆而是硬件、计算、算法三者的配合。关节电机提供爆发力减速器把高转速换成大扭矩腿部结构把力传达到地面控制算法根据IMU和关节编码器反馈不断修正姿态规划层负责生成步态。任何一个环节断了机器人都会摔。尤其是高速跑动控制周期非常短如果算法算不过来或者状态估计有延迟机器人会立刻失去平衡。所以看到9.39秒这个成绩背后真正要说的是它的关节硬件、主控算力、运动控制软件已经能在一个很高的节奏上协同工作了。2. 人形机器人跑得快靠的是哪几块硬功夫2.1 关节电机和减速器决定“能不能发力”跑动时腿部关节需要在极短时间内完成屈、伸、蹬地、收腿等一系列动作。这要求电机具备很高的峰值扭矩和扭矩密度。常见方案是使用无框力矩电机配合谐波减速器或行星减速器再通过伺服驱动器控制。判断一套关节方案是否适合高速跑动主要看几个参数峰值扭矩决定机器人能不能在落地瞬间产生足够的反向力。扭矩密度同样重量下能输出多大扭矩直接限制机器人能跑多快。转速上限步频越高关节角速度越快电机转速不够会卡住步频。响应带宽电流环、速度环、位置环的响应速度影响控制稳定性。这里有一个容易误解的点减速比越大关节输出扭矩越大但转速会下降。人形机器人跑步需要同时兼顾扭矩和转速所以减速比不能简单追求大要和电机转速、机器人目标步频匹配。很多机器人跑不快不是电机功率不够而是减速比选得太大关节转速跟不上。2.2 结构刚度决定“力传不传得出去”高速跑动时每一步落地都会产生冲击。如果腿部结构、腰部结构、脚踝结构刚度不足能量会在结构变形中损失控制算法算好的关节角度可能到了末端就变形了。结构柔性还会带来额外振动让IMU数据变得不干净状态估计更容易出错。所以高强度材料和轻量化设计同样重要。碳纤维、铝合金、钛合金等材料常用于机器人骨架但材料只是基础关节连接处的间隙、螺栓预紧、连杆截面形状都会影响整体刚度。测试时可以做个简单检查把机器人放在地面上用手轻推机身观察腿部是否出现明显晃动或者读取关节编码器和IMU在静止时的噪声水平。如果静止状态下姿态都有明显波动高速跑动时稳定性会很难保证。不要一上来就调算法先把结构刚性确认好。2.3 计算平台和软件架构决定“控制来不来得及”机器人跑得再快如果没有低延迟的控制回路硬件优势也发挥不出来。这套控制链路的组织方式通常叫“人形机器人软件架构”。从热搜里全志科技人形机器人芯片这个话题也能看出大家已经注意到主控算力平台的重要性。一套典型的运动控制系统会分成几层主控SoC处理视觉、IMU数据、任务调度、高级步态规划。关节控制器或MCU负责底层电流环、速度环和位置环直接驱动电机。通信总线连接主控和各关节要求低延迟、低抖动。实时操作系统保证控制任务在一个确定的时间周期内完成不能被后台任务挤占。高速跑步对实时性的要求很高。比如控制周期如果是1毫秒那当IMU检测到身体倾斜时主控必须在几毫秒内算出修正指令并发送到各关节。这个链路里任何一段延迟过大都会让机器人的姿态调整慢半拍。软件架构设计上我比较建议把任务层、规划层、状态估计层、底层控制层分开。任务层决定“现在要跑”规划层生成“下一步怎么跑”状态估计层回答“机器人现在处于什么姿态”底层控制层负责把期望力矩变成电流指令。各层之间通过明确的接口通信方便单独调参和排查问题。不要把逻辑全堆在一个循环里否则后面改参数会非常痛苦。3. 如果自己也想做类似测试怎么搭一套可验证的流程3.1 先把测试条件固定下来人形机器人测速不是真的找一条田径场直接跑。测试之前要统一环境赛道长度用100米还是更短的跑动段加加减速缓冲段。计时方式光电门、高速相机、激光测距还是机器人自带IMU里的时间戳。起跑判定是机器人从静止自己启动还是给它一个初始冲量。是否允许外接电源使用电池还是通过电缆供电直接影响续航和功率上限。这些条件不统一成绩就没有可比性。9.39秒如果是在某条专用测试跑道上用特定计时设备测出来的那它更多是“该场地条件下的最好成绩”而不是全球通用标准。以后要复现这个成绩第一条就是复现场景。3.2 从慢速行走开始不要一上来冲成绩我见过不少团队做运动控制第一步就想让机器人跑起来结果摔了几次后开始怀疑算法。更稳妥的做法是先验证双腿支撑和单腿支撑。具体流程可以这样拆分先让机器人原地站定确认姿态稳定、关节无异常抖动。再测试单腿站立观察重心偏移是否可控。然后做慢速行走先走平路逐步加快步频。稳定后再进入跑步模式因为跑步有腾空相比行走更难控制。每一步都要记录状态。比如单腿站立时机器人脚底压力中心是否落在支撑脚范围内质心位置有没有偏离预定轨迹。如果这些基础状态都不对直接上高速跑动只会放大问题。3.3 提高速度的路径先固定一个变量机器人的跑动速度可以简单理解为步频乘步幅。想提速要么提高步频要么加大步幅。但两者不可以同时大改否则机器人会因为控制参数互相影响而摔倒。我的建议是先固定步幅逐步提高步频观察关节转速和系统稳定性。等步频达到某个水平后再固定步频尝试加大步幅观察落地冲击和姿态恢复能力。每改一次参数都要记录成绩和稳定性不要凭感觉判断“好像更快了”。提高步频的瓶颈通常在电机转速和控制周期。增大步幅的瓶颈通常在地面冲击和结构刚度。如果发现某些速度区间机器人明显不稳可以尝试通过调整重心高度、躯干前倾角、摆腿轨迹来优化而不是简单加大输出。3.4 记录指标速度不能只看秒数做跑步测试时除了最终用时至少要记录以下指标指标说明用处平均速度100米用时反推判断整体成绩步频每分钟或每秒的步数判断控制节奏步幅单步前进距离判断腿部动作幅度关节角度曲线髋、膝、踝在跑步周期里的变化分析动作是否合理关节力矩电机或关节的力矩输出判断硬件负载功耗和电流整机或电池电流波动判断功率余量机身温度电机、减速器、驱动板温度判断散热是否到位姿态误差机器人躯干角度和目标角度的偏差判断稳定性如果每次跑完只看一个秒数会漏掉很多信息。比如成绩不错但电机温度已经接近上限说明硬件余量不多或者步频很高但步幅很小说明腿部伸展可能不够。这些细节才是后续优化的依据。4. 实测中的关键参数和判断标准4.1 速度来自步频和步幅的乘积跑步速度的底层公式很简单speed step_frequency * step_length如果百米用时9.39秒平均速度约10.65米每秒。一条腿的步频和步幅可能有多种组合。比如步频4步每秒、步幅2.66米或者步频3.5步每秒、步幅3.04米。不同组合对硬件和控制的要求完全不同。高步频需要关节快速响应控制周期不能太长。大步幅需要腿部有足够伸展角度同时落地时承受的冲击更大。所以分析一个跑步成绩时不要只看平均速度要问机器人是用“碎步快跑”还是“大步慢跑”跑出来的。这决定了好成绩的技术路径。4.2 稳定性判断不要只看“没摔”机器人跑完全程没摔只是最基本的要求。真正要关注的是它在跑步过程中是否有接近失控的临界状态。判断标准可以看质心投影是否始终落在支撑脚形成的多边形范围内。每次落地时躯干姿态误差是否能在下一个步态周期内收敛。脚底压力是否有突然的异常冲击峰。关节力矩是否出现明显抖动或饱和。如果机器人虽然没摔但每一步都在剧烈晃动说明控制参数可能接近临界点。这种状态很危险一旦地面稍有变化机器人可能立刻摔倒。测试时最好同时记录IMU角速度和姿态角分析数值曲线而不是只看终点视频。4.3 9.39秒这个成绩怎么理解先做一点保守处理如果9.39秒是公开测试环境下的计时成绩那它确实是一个非常值得关注的数字。但把这个数字放到坐标系里还需要看几个前提。一是机器人尺寸。不同身高和腿长的人形机器人同样的步幅对应的相对动作幅度不一样。腿长越短要跑出同样速度步频必须更高控制难度更大。二是是否带手臂摆动。跑步时手臂摆动可以帮助抵消躯干的旋转力矩。有些机器人会利用摆臂来提高稳定性。三是测试次数。一次完成和连续多次完成可信度完全不同。对这类运动能力证明来说我更希望看到“连续三次成绩都在9.5秒左右”这样的数据而不是单次极限成绩。4.4 硬件边界温度、电压、振动跑得越快硬件的热和振动问题越明显。电机在持续高速加减速时会产生大量热量减速器长时间高负载运行也会升温。如果散热设计不足电机性能会在几次奔跑后明显下降速度越来越慢。电池电压同样关键。峰值冲刺时电流很大电池电压会因为内阻而跌落。如果电压低于驱动器最低工作电压电机输出扭矩会下降。这就是为什么有些机器人刚充满电跑得很快电量低一点就跑不动了。振动主要影响传感器。高速跑动中脚底撞击地面产生的振动会传导到IMU。如果IMU安装位置没有做减震姿态数据里会混入大量噪声状态估计误差增大。遇到姿态不稳的问题先检查IMU安装和滤波参数再考虑是不是控制算法的问题。5. 做这类高速跑测试最常见的坑和排查顺序5.1 跑不快先从硬件极限排查机器人跑不出预期速度时不要急着把步频参数往上调。先确认硬件是不是已经到了极限。排查顺序可以是查看电机转速是否已经接近峰值。查看关节电流是否出现长时间饱和。查看减速器是否有异响、卡顿或异常温升。查看电池电压在冲刺阶段是否明显跌落。如果电池电压跌得厉害电机能输出的扭矩自然受限。这时候换更大倍率电池或提高电池电压上限比调算法更有效。如果是减速比的问题比如峰值转速不够那么调步态参数也改善不了太多需要改硬件。5.2 跑不稳先看状态估计表现是机器人左右摇摆、躯干前倾后仰、甚至没跑几步就摔倒。这时候很多人会去调PID增益但真正问题可能在状态估计。具体排查IMU数据和关节编码器数据是否时间同步。滤波器带宽是否过低导致姿态数据滞后。IMU是否固定良好是否存在振动干扰。状态估计器的协方差参数是否和实际传感器噪声匹配。可以做一个简单测试让机器人原地跑步或原地踏步观察姿态估计值和实际姿态是否吻合。如果静止时都有漂移那动态奔跑时偏差会更大。先解决状态反馈再谈控制参数。5.3 落地总有冲击先看机械再调算法每次落地都有“哐当”声机器人看起来像在硬砸地面。这类问题不能只靠控制算法里的阻抗参数解决机械结构也是关键。先确认脚底是否有缓冲材料脚踝结构是否能吸收一部分冲击腿部关节间隙是否过大。如果机械间隙明显即使算法再快每次落地也会因为结构松动产生抖动。如果机械没问题再去调落地控制。常见做法是采用虚拟模型控制和阻抗控制在落地阶段让关节表现出一定柔性减少冲击。但这个参数不能一味调低否则脚落地后支撑力不足机器人会“软腿”摔倒。5.4 从仿真到实机的差距很多团队在仿真环境里能跑得很好一上真机就摔。原因通常是仿真里的地面模型、摩擦系数、关节刚度、电机响应和实机存在差异。要缩小这个差异可以分几步走在仿真里加入更真实的摩擦模型和关节柔性。先做半实物测试比如把真机控制板接入仿真环境。在悬吊支架或辅助装置上让真机先跑确认动作正常后再脱离辅助。不要指望仿真调好的参数直接搬到实机上就是最优值。实机调试一定需要预留时间。如果时间紧张至少先验证单条腿动作、单次跳跃、慢速跑这些安全场景。6. 这类成绩离真正的人形机器人应用还有多远6.1 高速跑动只是运动能力的一个维度人形机器人的价值不只是能跑得快还需要能在家庭、工厂、园区等场景里完成实际任务。一个能冲刺100米的机器人不一定能稳定地拿起杯子、上下楼梯、在湿滑地面保持平衡。高速跑动体现的是爆发力和运动控制水平但不是所有任务的必要能力。实际应用中人形机器人更常被要求的是连续行走、跨越障碍、搬动物体、长时间自主作业。这些场景对稳定性的要求高于对速度的要求。如果一台机器人为了跑得快牺牲了结构余量、控制鲁棒性和续航能力那它在真实场景里反而不够可靠。6.2 真正落地更看重可靠性和成本实验室里的峰值成绩和产品化完全是两回事。产品落地时研发团队要回答的问题通常是机器人能不能连续工作几小时而不出故障。出故障后能不能自恢复或者有没有明确的日志帮助排查。整机成本、维护成本、更换零部件的成本是否可控。功耗能不能支撑实际任务时长。在非理想环境里比如地面有灰尘、有轻微斜坡、有强光干扰表现是否稳定。所以看到“超越博尔特”这类消息时可以把它看作运动控制技术的一个里程碑但不要直接等同于“人形机器人已经可以全面代替人类劳动”。技术验证和技术部署之间还有非常多的工程问题要解决。6.3 对普通开发者的启发如果这篇文章对你有实际帮助我希望你记住的是先跑稳再跑快。无论做人形机器人还是做其他工程项目先把单条任务跑通把数据记录完整把失败日志收集好再去追求漂亮的峰值指标。人形机器人软件架构、运动控制算法、算力芯片选型这些方向确实值得继续关注。热搜里出现“全志科技 人形机器人芯片”这类词说明市场已经开始重视主控平台在机器人里的作用。不过对初学者来说不建议一上来就追求百米冲刺。先去复现一个稳定行走理解状态估计、步态规划和底层控制之间的关系效果会好得多。这类运动能力展示最大的意义不是告诉公众“机器人已经超过人类”而是让更多人看到人形机器人在动态控制这条路上已经走得很远了。至于它能不能真正进入日常生活还要看接下来几年里稳定性、成本和复杂场景适配能力能不能追上硬件速度。
和定时器中断告别delay阻塞)
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
