人形机器人跑400米39.70秒背后：运动控制与硬件极限

北京人形机器人天工 Ultra 在 400 米竞速比赛中跑出 39.70 秒拿到第一。放在机器人圈子里这个数字值得认真拆解而不是只当成一条新闻标题。先做一个最简单的数学折算400 米除以 39.7 秒平均速度大约是 10.08 米/秒换算成小时速度接近 36 公里每小时。不要说双足人形机器人很多四足机器人在连续奔跑场景里也不一定能稳定做到这个均值。更关键的是400 米不是 100 米冲刺它意味着机器人要连续完成数百次落地缓冲、关节大范围屈伸和持续高功率输出。这篇文章不打算复述新闻而是从机器人运动控制、执行器、能源和测试方法四个角度把 39.70 秒背后的技术含量拆开。如果你在做人形机器人、足式机器人、具身智能或者只是想搞清楚这种成绩的真实分量下面这些内容会更值得看。1. 先读懂 39.70 秒背后的技术含义1.1 平均速度只是一个起点400 米除以 39.7 秒约等于 10.08 米每秒。这只是平均速度不是峰值速度也不是机器人全程都保持的速度。人形机器人在实际奔跑中会有起跑、加速、弯道减速、终点冲刺等阶段不同阶段的速度曲线完全不一样。平均速度相同技术难度可能差别很大。如果机器人前半程能跑到 12 米每秒后半程因为发热掉到 8 米每秒最终平均也是 10 米每秒左右。另一种情况是机器人全程都能稳定保持在 10 米每秒上下。前者看起来成绩一样但控制系统、电池、热管理承受的压力完全不同。所以看到这种比赛成绩我第一反应不是“它跑得真快”而是“连续跑完这 400 米控制系统有没有全程保持稳定”。如果只盯着平均速度很容易忽略真正重要的工程信息机器人是在什么状态下完成这段比赛的后程有没有掉速弯道有没有姿态发散。1.2 400 米比 100 米更考验系统极限100 米更偏瞬时爆发400 米是爆发力、持续输出、热管理和能量管理的综合考验。人形机器人跑 400 米大约会经历几百次落地冲击。每一步落地膝关节和踝关节都要吸收地面反作用力然后在蹬伸阶段把能量释放出去。这个过程重复几百次之后任何一个小问题都会被放大。如果电机和减速器的组合承受不住反复冲击跑到后半程会出现明显的步态变化步幅缩水、摆臂幅度变小、躯干前倾角度增加。如果电池的放电能力不够大电流工作一段时间后母线电压会下降驱动器可能直接进入过流保护或降功率状态。这些现象不会出现在 100 米测试里因为 100 米距离太短系统还没来得及暴露热积累和电压跌落问题。这也是为什么“跑完 400 米”比“跑出某个短距离最高速度”更能说明一套人形机器人系统是否成熟。1.3 比赛成绩不能只看第一“第一名”是赛事结果“稳定复现”才是工程结论。比赛里跑出一次 39.70 秒和同一台机器人可以连续多次跑进 40 秒以内是完全不同的两件事。工程上通常更看重成功率、成绩方差、失败原因。我一般会关注同一条赛道跑三次的数据分布三次都在 40 秒左右说明系统稳定性较好三次成绩相差三秒以上说明变量太多还需要排查。一次成功可能受到电池初始状态、地表摩擦、机器人装配松紧、现场气温等多种因素影响。单次成绩只能证明系统达到了某个上限不能证明它已经具备日常使用的稳定水平。另外还要看比赛规则。是否允许外部定位设备是否允许预先录制动作是否要求机器人自主感知是否允许人为遥控干预。这些条件会直接影响 39.70 秒的技术含量。完全靠场外动作编排跑出来的成绩和基于实时步态控制跑出来的成绩意义完全不同。1.4 真正被测试的是系统集成能力天工 Ultra 能跑出这个成绩背后不是某单一模块的胜利而是高功率关节、轻量化结构、状态估计、动态步态控制、能源管理和热设计共同作用的结果。如果一个关节电机的持续输出能力不足如果整机结构刚度不够如果状态估计延迟过高如果电池在持续大电流放电下电压崩溃任何一个短板都会在几百次落地中暴露出来。竞速项目的价值就在这里它把“能否长时间维持高动态稳定”这件事压缩到一个直观的比赛结果里。你不一定需要看完整日志只看最终成绩和过程中有没有摔倒就能对系统集成水平有个初步判断。2. 高速人形机器人为什么能跑起来的四层技术栈2.1 关节执行器峰值动力和持续动力是两回事人形机器人高速奔跑时髋关节需要快速摆腿膝关节要在支撑期吸收冲击并完成蹬伸踝关节要实时调整落地角度。每一个关节都需要同时具备高扭矩和高转速能力。最容易让人误判的是峰值扭矩。峰值扭矩只能维持很短时间比如几十毫秒。连续跑 400 米关节电机会持续发热驱动器长时间通过大电流温度上来之后就会降功率。因此不建议只看电机峰值扭矩更要关注额定扭矩、驱动器连续电流、减速器能否承受反复冲击。一个关节如果长时间工作在额定负载以上轻则降速重则触发保护性停机。高速机器人通常需要高功率密度电机和低背隙减速器。低背隙可以减少传动延迟让控制指令更快反映到关节上。如果减速器背隙过大关节在受力方向切换时会出现空程落地瞬间容易产生振动姿态也会变得不稳定。2.2 动态步态控制从“站得住”到“跑得稳”低速行走时机器人可以靠静态稳定来维持平衡也就是质心始终落在支撑多边形内。高速奔跑很难做到这一点。跑起来之后机器人经常处于单脚支撑状态甚至在腾空期双脚离地只能用动态稳定的方式维持平衡。常用控制方式包括质心动力学建模、模型预测控制、全身动力学控制、落脚点规划等。这些方法的大方向都是预测未来零点几秒的运动状态提前规划落脚点让机器人在每一步落地后都能保持稳定。高速奔跑时支撑时间很短留给控制算法的反应时间也非常短。如果控制周期不够快或者状态估计延迟过高一步踏空之后就很难救回来。这也是为什么“跑起来比走路更容易摔”看似反直觉但实际测试中经常出现。2.3 状态估计与传感器融合大脑要先知道身体在哪人形机器人不知道自己的姿态就做不了稳定控制。高速奔跑会放大传感器噪声尤其是 IMU 在剧烈振动下容易出现漂移。如果状态估计不准机器人收到的是错误的位置和姿态信息控制指令自然就会偏。常见的状态估计输入包括 IMU 数据、关节编码器角度、足底力或力矩传感器信号。系统把这些信息融合起来估算机身位置、速度、姿态和角速度。这里最怕的是延迟。如果状态估计模块输出延迟过高相当于控制算法看到的永远是几十毫秒前的情况高速奔跑时零点几秒的误差就足够导致摔倒。我自己在做足式机器人测试时会先看机器人在原地踏步和快速摆臂时状态估计是否稳定。如果原地小幅动作就有明显的姿态漂移直接上跑道大概率会摔。只有状态估计稳定后续的高速步态参数才有意义。2.4 整机结构和热管理算法再强也救不了太重的身体人形机器人要跑得快整机重量不能太大。但轻量化不能牺牲刚度。关节连接处如果松动落地冲击会被机械间隙放大控制算法很难补偿这种非线性振动。高速奔跑时结构刚度不足会在日志里表现为明显的关节位置跟踪误差而且通常只在特定频率下出现。热设计同样关键。电机长时间高功率工作会发热超过一定温度后磁性材料可能退磁驱动器也可能过温保护。为了让系统能持续跑完 400 米机器人通常需要有散热结构比如散热片、主动风冷以及算法层面的温控策略比如分段限速、功率降额。只看单次短距离冲刺热管理不重要一旦要跑完整场 400 米它就是决定成绩的核心因素之一。3. 高速奔跑最容易暴露的五类问题现象、原因、排查顺序3.1 前段快后段慢先查电池和电机热保护表现很典型前 100 米速度正常跑到后半程明显掉速有时候还会伴随踉跄。很多人第一反应是改步态算法实际更常见的原因是能源和热管理问题。排查顺序应该是先看母线电压确认掉速阶段电压是否明显下降。再看关节驱动器的电流确认有没有到限幅。最后看电机温度确认是否触发了过温降额。如果温度过高优先做散热优化比如降低环境温度、增加散热结构、调整功率分配。如果电压掉得太快可能电池倍率不够需要换高倍率电池或者在策略上降低冲刺段的功率请求。不要一上来就改步频步长问题可能根本不在运动控制层。3.2 弯道晃动侧向力、落脚点和结构刚度直道很稳进弯道就晃这是人形机器人竞速里比较常见的问题。弯道需要额外的侧向加速度机器人身体要向内倾斜内外脚受力会明显不同。排查时先看弯道处的横滚角误差曲线。如果横滚角误差从入口开始持续增大说明状态估计或落脚点规划没有跟上弯道需求。再看外腿和内腿的关节力矩差异如果某一侧明显超过预期可能是转向步态设计不合理。最后看机械结构侧向刚度。如果踝关节或者髋关节侧向间隙过大算法很难补偿。弯道问题不能简单靠“减速”解决。更合理的做法是单独设计弯道步态比如调整躯体倾斜角度、改变内外侧步长、提前规划出弯后的加速阶段。3.3 起步容易摔动态平衡建立过程有些机器人跑到中段很稳偏偏起步阶段经常失去平衡。原因是起步时机器人要从静平衡切换到动态平衡初始步长、重心前移速度、第一次落地的时刻都很难精确控制。这时候不要直接用正常跑动参数。建议单独调试起步过程先让重心小幅度前倾用小步幅建立初始速度再逐步过渡到正常步频。每一步的落地位置和着地角度都要单独规划不能照搬稳定奔跑时的落脚点策略。3.4 步频和步幅到底怎么定不要只看跑姿提高跑步速度有两种方式提高步频或增大步幅。高步频对驱动器响应和计算周期要求更高大跨步则意味着更大的落地冲击和能量消耗。两种方式都需要结合硬件能力来选择。比较实用的判断方法是记录关节位置指令和实际反馈之间的误差。如果步态的实际跟踪误差持续增大说明步频或步幅已经超出硬件响应能力。这时再继续加大参数机器人不会跑得更快只会变得更不稳定。更稳妥的调参顺序是先固定一个步幅逐渐提高步频记录成功率和姿态误差。找到合理边界之后再尝试小幅调整步幅。也就是每一步只改一个变量不要同时调多个参数。3.5 成绩不稳定环境、装配和重复性同一台机器人、同一条赛道有时候跑 38 秒有时候跑 42 秒这种波动常见于比赛测试。原因是多方面的电池初始电压不同电机温度起点不同机器人装配连接是否拧紧地面摩擦系数变化甚至环境中气流都会有影响。想提高重复性第一步是统一测试条件电池按相同流程充满起跑前等待时间固定。开机后等待电机和驱动器温度稳定。每次跑前做一次完整自检确认关节力矩正常。每轮测试间隔留足散热时间。然后多跑几次取中位数和成绩分布而不是盯着单次最好成绩。成绩分布越集中系统稳定性越好。4. 如果自己测足式机器人竞速最小实验方案怎么排4.1 先定目标测电机、测算法还是测整机测试目标不同方案完全不同。如果只想测电机和驱动器能力应该用最简单的步态尽量稳定输出减少算法干扰。如果想测控制算法上限应该选择硬件余量更大的机器人避免硬件先到极限。如果想给整机做一个综合性能评估就需要按比赛或实际任务要求跑完整流程。我建议第一次做类似测试的团队先跑 10 米到 20 米的小范围直线不要直接挑战 400 米。距离拉长之后变量太多出了问题不好定位。4.2 最小可运行的五个阶段按这个顺序推进每个阶段都要验证通过再进下一层静止站立测试机器人能否在 30 秒内保持姿态稳定。原地踏步测试检查各关节指令和实际反馈是否一致。10 米直线小跑观察落地稳定性和姿态误差。连续往返或绕圈验证转向、加速、减速的连贯性。完整 400 米记录全程数据和最终成绩。这里最容易犯的错误是从第 1 步直接跳到第 5 步。人形机器人高速奔跑依赖的子系统很多跳过中间阶段之后一旦摔倒很难判断是哪一层出了问题。4.3 每个阶段记录哪些数据测试不能只看“跑没跑完”。建议把以下数据全部落盘数据类型具体内容用途运动学数据机身姿态、角速度、线加速度、支撑脚状态判断姿态稳定性和动作质量控制数据步长、步频、落脚点、控制器输出分析步态参数和算法行为硬件数据母线电压、关节电流、电机温度、驱动器状态排查过热、掉电、限幅结果数据各段耗时、摔倒次数、偏离距离、成功率评估成绩分布和稳定性所有数据必须统一时间戳。否则事后很难判断是先有硬件过热还是先有姿态发散。没有同步日志排查高速奔跑问题会非常痛苦。4.4 从日志里怎么定位“摔倒前到底发生了什么”摔倒通常不是瞬间发生的而是前面几百毫秒已经出现异常。不要只看摔倒瞬间的 IMU 数据要回看摔倒前 0.5 到 1 秒的变化。推荐按这个顺序查姿态误差是否持续增大从哪个关节开始发散。有没有关节电流过早达到限幅。电池电压是否跌破驱动器最低工作电压。状态估计输出是否出现跳变。足底接触信号是否在预期时刻丢失。这五类信号基本能覆盖大多数高速摔倒场景。先看数据再下结论比不断调参数更有效率。4.5 调参顺序先固定速度再提升步频高速奔跑调参时很多时候会陷入“每个参数都像有点问题”的混乱感。这时候要把变量隔离。先固定一个目标速度把步幅和步频都设成保守值确认机器人能稳定跑完。然后逐步提高步频每次只改一点记录至少五次测试结果。如果成功率下降回滚参数换另一个方向尝试。比如步频已经不是瓶颈再开始加大步幅。每一次只改一个参数的好处是问题出现时你能立刻关联到刚改的变量。如果同时改三四个参数摔倒之后根本无法判断是哪个参数引发的问题。5. 竞速第一不等于全能第一能力边界要看清5.1 单一任务成绩和真实场景能力是两回事400 米平地竞速是一个高度受限的任务。赛道平坦路面相对均匀没有障碍物不需要复杂避障也没有负载要求。它在执行器和运动控制层面有很高的要求但并不能证明机器人已经具备通用能力。真实应用场景往往是反过来的不需要跑那么快但需要能稳定地上下楼梯、跨过门槛、搬运物体、在人附近安全活动。这些能力不会因为跑得快就自动获得。看到竞速成绩时要理解它衡量的是哪一部分能力不要把它当成“通用成熟度”的标志。5.2 竞速成绩是上限不是平均线为了在比赛中跑出好成绩团队可以做很多准备工作充满电、提前保温、调整机器人连接件、选择合适的地面条件、给控制参数做专门调优。这些条件在日常运行里不一定都能满足。工程上更有价值的是“平均线”和“最低线”。一台机器人连续工作两小时不出故障比一次高速奔跑拿第一更能说明稳定性。产品化的时候用户需要的是可重复的可靠表现不是实验室环境下的极端成绩。5.3 对产业落地最有价值的不是速度是稳定性在工业、物流、巡检、服务场景中人形机器人更多承担慢速移动、精细操作、长时间待机的工作。速度只是很小的一个维度。真正决定能不能落地的是安全性、可靠性、维护成本和任务成功率。竞速项目对行业的意义更多是作为一种压力测试它让人形机器人的关节、电机、驱动器、电池、运动控制算法在一个极端工况下暴露问题从而推动底层硬件和控制技术迭代。换句话说竞速是在验证上限不是在做产品定义。5.4 下一次看到类似新闻应该问哪些问题想判断一个竞速成绩的成色可以看这几个问题是自主奔跑还是预先编排好的固定动作是否允许外部定位设备辅助是否有人在远处遥控还是完全自主判断跑了多少次只成功了这一次还是连续多次稳定过程中摔倒后有没有人为干预电池电压、电机温度、关节电流、状态估计日志是否公开这些信息比“第一名”三个字更有说服力。如果只有名次没有日志这个成绩更多是宣传信号很难作为技术复现的依据。6. 从这场 400 米竞速里可以带走的判断标准6.1 评价一个机器人平台先看关节和能源数据关节数量和自由度只是基础指标。真正决定高速能力的是峰值扭矩、持续输出扭矩、驱动器连续电流、电机温升曲线、电池放电倍率。这些参数不一定公开发布但可以用它们来理解高速奔跑背后需要的硬件支撑。如果只看新闻稿你只会知道天工 Ultra 跑得很快。如果换成工程师视角你会关心它跑完 400 米之后的电机温度是多少后程母线电压掉到多少伏有没有关节提前到达力矩限幅。这些数据才是判断系统设计水平的关键。6.2 只看“跑没跑完”不够要看成败比和可重复性一次成功和可重复成功在工程上是两个量级。竞赛测试里一次成功可能带有运气成分连续多次跑出稳定成绩才能说明系统已经具备较强的可控性。我更关注一个团队的测试记录成功几次、失败几次、失败时摔在什么位置、恢复时间多久。失败模式比最好成绩更有价值因为每一次失败都指向一个需要优化的子系统。6.3 算法能力要绑定具体硬件平台同一套运动控制算法在机器人 A 上表现很好搬到机器人 B 上可能完全跑不起来。因为关节摩擦、结构刚度、驱动响应、传感器质量都会影响控制效果。算法和硬件是强耦合的。所以看到别人发布的跑步视频时不要直接假设自己的机器人也能复现。必须要结合自己的硬件特性重新调摩擦补偿、碰撞参数、力矩上限和步态参数。没有一套通用的参数可以适用于所有人形机器人。6.4 下一步更值得关注的方向人形机器人要真正走向实际应用比“跑得快”更值得关注的是长时行走稳定性连续工作数小时不摔不掉线。感知与运动结合奔跑时能识别障碍并实时绕行。安全性在人周围活动时有碰撞检测和力限制。量产一致性不同批次机器人的性能差异有多小。维护成本关节损坏之后更换是否方便。这些方向决定了人形机器人能不能从比赛场走进真实场景。39.70 秒是一个很亮眼的标签但长期来看产业的判断标准一定会从“跑得快不快”转向“用得稳不稳、安不安全、值不值”。这次竞速证明了底层能力的一个上限接下来的难题是把这个上限变成可复制、可量产、可落地的日常能力。