出品：机器人技术笔记

人形机器人做一个搬箱子的动作，看起来只是弯腰、伸手、抓住、起身。但对控制系统来说，这不是一个简单的机械臂轨迹问题。机器人一弯腰，身体重心会变；手臂一伸出去，脚底受力会变；箱子一拿起来，整机质量分布又变了。腿、腰、手臂、脚底接触、电机力矩和身体姿态，都在同一时刻互相影响。

所以人形机器人动作从僵硬到丝滑，本质上不是单个关节轨迹变平滑了，而是机器人越来越会协调全身。

这就是全身控制（Whole-Body Control, WBC）要解决的问题：把机器人当成一个完整身体，而不是一堆分开的电机和连杆。

从技术路线看，人形机器人全身控制大致经历了几个重要阶段：ZMP 先解决稳定行走，HQP 进一步把全身动力学和任务优先级纳入求解，强化学习用神经网络策略替代大量手工调参，而最新趋势则是走向运动基础模型与可组合全身控制。

一、ZMP：先让机器人稳稳站住

人形机器人最早面对的问题很朴素：走路时不要倒。

ZMP（Zero Moment Point，零力矩点）就是围绕这个问题发展出来的经典概念。简单理解，机器人脚踩在地面上时，地面对机器人会产生支撑力。这个支撑力等效作用的位置，如果一直落在脚底支撑区域内，机器人就更容易保持稳定；如果跑到脚外面，就有翻倒风险。

这有点像人在走路时判断重心有没有压出脚底范围。只不过机器人不能靠本能调整，它需要把这个稳定边界明确算出来。

在早期人形机器人里，ZMP 的作用很大。控制器会先规划脚步、重心轨迹和身体姿态，再检查 ZMP 是否落在安全区域内。只要步子别迈太大、身体别晃太猛、重心变化别太激进，机器人就能比较稳定地走起来。

从控制思想上看，ZMP 更接近一种准静态或者简化动力学下的稳定性求解。

它并不是完全不考虑动态效应，而是会把复杂的人形机器人运动问题简化成更容易处理的模型，比如倒立摆模型、质心轨迹和脚底支撑区域。这样做的好处是工程上更清楚，计算也更可控。机器人为什么不稳，往往可以从重心轨迹、脚底支撑区域和 ZMP 位置里找到原因。

但这种方法的限制也很明显。

它更适合平地、低速、接触状态明确的行走任务。机器人如果要快速转身、跑跳、上下台阶，或者上半身做大幅度操作，单靠 ZMP 就会显得保守。为了稳定，机器人常常会走得小心翼翼，动作像在按剧本移动。

所以 ZMP 阶段解决的是全身控制的第一层问题：先让机器人别摔倒。

但只是不摔，还谈不上丝滑。

二、HQP：从准静态稳定走向动态全身求解

当人形机器人不只是走路，而是要边走边操作，控制问题就变复杂了。

比如机器人要把桌上的箱子搬起来，它同时要满足很多目标：身体不能倒，手要够到箱子，关节不能超过限位，电机力矩不能超出能力范围。更麻烦的是，这些目标之间可能互相冲突。

这时候就需要 HQP（Hierarchical Quadratic Programming，层级二次规划）。

如果说 ZMP 更像是在简化模型下判断稳定边界，那么 HQP 更进一步，它通常会把机器人全身的加速度、接触力、关节力矩和任务目标放进同一个优化问题里求解。

这就是从准静态思路走向动态求解。

机器人不再只是关心重心在哪里，它开始进一步关心：在当前接触状态、关节状态和动力学约束下，我的全身关节加速度应该怎么分配？脚底接触力应该怎么分配？哪些任务必须优先满足？哪些任务可以在不影响安全的前提下尽量完成？

HQP 的核心思想不是让所有任务平等竞争，而是把任务分层。最高优先级通常是物理和安全约束，比如接触不能滑、关节不能超限、力矩不能超限；中间层是平衡、质心和身体姿态；更低层才是手部轨迹、冗余姿态和动作美观。

它很像一个工程调度系统。

如果所有目标都能满足，那当然最好；如果不能同时满足，就先保证机器人安全，再保证平衡，再尽量完成操作任务，最后才考虑姿态是不是好看。

HQP 的价值在于，它让机器人真正开始进行全身协作。

机械臂够不到目标时，腰可以自然前倾一点；上半身转动时，腿部可以补偿身体姿态；手在操作物体时，脚底接触力也可以一起被纳入优化。很多人形机器人从僵硬变得有整体感，背后就离不开这类模型驱动的全身优化控制。

但 HQP 的工程代价也很明显。

它依赖比较准确的机器人模型，包括质量、惯量、关节限制、接触状态和执行器能力。模型不准时，优化器算出来的动作在仿真里很好，真机上可能会出现抖动、延迟或者接触异常。

更麻烦的是复杂任务下的调参工作量。HQP 不是把任务写进去就自动变丝滑。每一层任务的权重、优先级、约束松弛、滤波参数、接触切换逻辑，都需要工程师反复调。走路是一套参数，搬运可能又是一套参数；平地可用，上台阶可能还要改；空手动作稳定，拿了重物以后又要重新检查接触力和力矩限制。

所以 HQP 阶段解决的是第二层问题：机器人不仅要站稳，还要在动力学约束下协调全身。

但它仍然高度依赖工程师对任务的建模、分层和调参。

三、强化学习：让机器人从仿真中学会动态调整

到了更复杂的场景与动作，很多细节就很难完全靠人工写规则。

脚底轻微打滑时怎么补偿？被人推一下后怎么恢复？落地瞬间膝盖应该怎样吸收冲击？高速转身时，手臂和腰部应该怎么配合？这些问题如果全部写成规则，会非常复杂，而且很容易只适用于某一种场景。

强化学习（Reinforcement Learning, RL）就是在这个背景下变得越来越重要。它的思路是让机器人在仿真环境里大量试错。控制器观察机器人状态，比如关节角、关节速度、身体姿态、足底接触和目标指令，然后输出动作。训练时，奖励函数会鼓励机器人完成任务、保持平衡、减少能耗、动作平滑，并避免摔倒。

更关键的是，强化学习用神经网络拟合控制策略，替代了过去大量依赖人工设置规则的部分。

工程师不再直接写出每一个状态下机器人应该怎么动，而是设计训练环境、动作空间和奖励函数，让神经网络自己去拟合状态到动作的映射。这个策略网络学到的不是某一个固定轨迹，而是一种条件反射式的控制能力：看到当前身体状态和目标指令，直接输出下一步应该怎么动。

这让机器人可以做的动作范围大大增加。

过去很难手写的跑、跳、快速转身、抗推扰动、复杂地形行走，现在可以通过仿真训练探索出来。尤其在人形机器人上，很多看起来更自然、更有弹性的动作，并不是靠工程师逐帧设计出来的，而是策略在大量试错中学出来的。

传统控制器通常会为了安全变得保守，像是在小心翼翼地走。强化学习策略如果训练得好，可以更充分地利用机器人的动力学特性。它不是每一瞬间都追求静态安全，而是在动态过程中不断恢复平衡。

但强化学习也不是一招解决所有问题。

首先是奖励函数难调。你奖励速度，机器人可能学出奇怪姿态；你奖励平滑，它可能变得太慢；你奖励节能，它可能不愿意完成任务。奖励函数本质上是在告诉机器人什么是好动作，但这个好字很难一次写对。

其次是 sim-to-real。仿真里的摩擦、关节延迟、电机饱和、结构弹性，很难和真实机器人完全一致。策略在仿真里跑得很漂亮，不代表上真机一定稳定。

还有一个更大的问题是泛化。

很多强化学习策略在一个任务上很强，但换一个任务就要重新设计奖励、重新训练、重新调参。会走路，不代表自然会搬箱子；会搬箱子，不代表会开门；会开门，也不代表会一边走一边开门。

所以强化学习阶段解决的是第三层问题：用学习出来的策略替代大量手写控制逻辑，让机器人具备更强的动态适应能力，也让可实现的动作空间明显变大。

但如果每个任务都要单独训练，机器人仍然很难真正走向通用。

四、运动基础模型与可组合全身控制：不再每个任务从零开始

最近一个很重要的趋势，是人形机器人控制开始从单任务策略，走向运动基础模型与可组合全身控制。

所谓运动基础模型，可以理解成给机器人训练一个运动底座。这个底座不是只会一个动作，而是从大量人类动作、机器人动作、仿真数据和真实数据中，学习一套可复用的全身运动能力。

过去的控制器更像一个个专用技能包：走路一个策略，跳跃一个策略，避障一个策略，搬箱子一个策略。每加一个任务，都要重新调奖励、重新训练、重新验证真机安全性。

而运动基础模型想做的是：先让机器人学会身体如何运动，再让上层任务去调用这些运动能力。

比如机器人已经学会了前进、转身、下蹲、伸手、保持平衡、避障这些基础能力。新任务来了以后，不一定要从零训练，而是把已有能力组合起来。搬箱子时，它可以组合行走、下蹲、伸手、抓取和起身；开门时，它可以组合靠近、转身、伸手、保持身体稳定和拉门动作。

这就是可组合全身控制的核心。

机器人不再只是执行一条固定轨迹，而是在已有运动能力中选择、调整和组合。上层告诉它要做什么，底层负责生成物理上可执行的全身动作。

BeyondMimic 就是这个方向的代表之一。它不只是让机器人模仿一段人类动作，而是希望从大量人类运动中学习更通用、更自然的人形控制能力。它强调的一个关键点，就是不要为每个任务都单独训练和调参，而是通过统一策略和测试时的任务引导，把已有运动能力复用到不同任务中。

这个趋势很重要。

因为强化学习虽然已经减少了很多手工控制逻辑，但如果每个任务都要重新设计奖励、重新训练策略、重新调 sim-to-real 参数，那工程成本依然很高。运动基础模型想进一步解决的是复用问题：让机器人把过去学过的运动经验沉淀下来，面对新任务时可以组合已有能力，而不是从零开始。

这也是动作越来越丝滑的更深层原因。

丝滑不是简单给轨迹加滤波，也不是把关节曲线画得更圆滑。真正的丝滑，是机器人知道什么时候该用脚补偿，什么时候该转腰，什么时候该降低重心，什么时候手臂要慢一点，什么时候又可以利用身体惯性。

它看起来像动作自然，本质上是全身协调能力更强。

丝滑的背后，是机器人越来越像一个完整身体

人形机器人全身控制的发展，其实是在不断回答同一个问题：机器人怎样才能像一个完整身体一样运动？

ZMP 先用准静态或者简化模型的方式，把稳定性问题变得可计算，让机器人能够稳稳走起来。

HQP 进一步进入动态全身求解，把加速度、接触力、关节力矩和任务优先级放到同一个优化框架里，让腿、腰、手臂和脚底接触能够协同工作。

强化学习则用神经网络策略拟合复杂的状态到动作映射，减少过去大量手工调参和规则设计，让机器人可以学会更复杂、更有弹性的动作。

运动基础模型与可组合全身控制，则在回答更长期的问题：机器人能不能把学过的运动能力复用起来，面对新任务时不再从零开始？

从这个角度看，所谓丝滑，并不只是动作好看。

它背后代表的是机器人控制从准静态稳定走向动态优化，从手工调参走向学习策略，从单任务训练走向可复用运动能力。