全身控制：人形机器人如何协调腿与臂

站起来，去够高处架子上的东西。留意你的腿在手臂还在移动时做了什么。脚踝绷紧，髋部向后滑了几厘米，重心压到了前脚掌上。这些你都没有决定，是身体替你解了一道物理题，好让你的手指扣住目标物的那一刻，你不会正朝它栽过去。

一只用螺栓固定在工作台上的机械臂，从来没有这个烦恼。它的基座是宇宙中一个固定的点：推它，它不动；用它去够东西，什么也不会倾倒。正因如此，我们所说的机器人操作，以及它背后的大部分数据，都悄悄假设了一个不会移动的基座。

人形机器人把这个假设丢掉了。它必须用两只脚把自己撑直，同时去做那件恰恰会威胁到自身平衡的事。「站得住」与「把活干完」之间的这种耦合，正是全身控制成为这一领域最难问题之一的原因，也是用来学习它的数据如此稀缺的原因。

无法回避的耦合

这个难点的技术名称是：腿式机器人是欠驱动的。它的脚和地面之间没有电机。它推动自身重心的唯一方式是间接的，通过接触：每只脚与地面相接处的摩擦力和法向力。每一个手臂动作都会改变这幅图景。把一件重工具甩到侧面，重心就朝它那边漂移；双臂前伸去接一个掉落的箱子，反作用力会把躯干往后推。在固定机械臂上，这些效应消失在工作台的螺栓里。在人形机器人身上，它们全落在两小块接触面上，而这两块接触面还得让机器保持站立。

所以，一次伸手从来不只是一次伸手。它是一个移动质量的请求，腿必须在手到达之前作答。厂商已经把平衡这一半做得近乎轻松。Boston Dynamics 展示过 Atlas 奔跑、跳跃、在被推搡后稳住自己，Agility 的 Digit 则在仓库地面上行走、连续数小时搬运料箱。真正悬而未决的问题是：当同一个身体必须一边平衡、一边做精细而有力的操作，两个目标彼此较劲时，会发生什么。

在人形机器人身上，伸手不只是伸手。它是一个把质量在全身之间挪动的请求，腿必须在手到达之前批准它。

用模型去求解

经典的答案是把物理写下来，让优化器去遵守它。全身控制把机器人当作一个由数十个关节耦合而成的系统，每秒求解许多次：在尊重腿部所需的前提下，找出最能跟踪手臂意图的关节力矩。这些约束是硬性的，字面意义上的硬：脚不能打滑，接触力必须留在摩擦锥之内，投影到地面的重心必须落在支撑区域之上。

模型预测控制（MPC）加入了时间维度。它不只为当前这一刻求解，而是把动力学向前推演一小段时域，也就是零点几秒，挑出能让机器人在整段时域内都保持可行的动作序列，然后在下一个时钟节拍重新求解。这正是一台机器能在倾倒之前先顺着推力前倾的原因，因为它在几百毫秒之前就看见了那一跤。这套方法的长处在于，它从不需要被教会「平衡」这个概念，平衡是它按构造就必须服从的约束。短处在于，它需要一个良好的接触模型，而接触恰恰是模型最糟糕的地方：脚一打滑、手一撞上卡死的抽屉，那套整洁的方程就不再描述现实了。

用学习去求解

较新的答案是跳过手写模型，让一个策略从经验中自己发现协调之道，通常是在物理仿真器里摔上千百万次。仿真中的强化学习如今已能常规地产出会走、会恢复、会攀爬的控制器，同一套配方正被推向移动操作：让策略把基座和双手当作同一个动作来输出，而不是把行走和抓取当成两个控制器之间交接的两种模式。

有意思的地方，在于它与基础模型的融合。NVIDIA 的 Isaac GR00T 计划瞄准的正是这一点：一个在人类视频、遥操作和仿真上训练出来的通用人形策略，输出的是全身动作，而非仅限手臂的轨迹。学习出来的策略与优化器有着相反的取舍。它能从容应对杂乱的接触，因为它在训练中见过百万次杂乱的接触；但它不提供任何保证：它只做数据教给它的事，一旦超出那个分布，它可能就直接摔倒。这又把整个论证带回到了数据上。

为什么数据才是瓶颈

想想为了支撑上述每一种方法，一段示范必须包含什么。一段固定机械臂的操作片段，需要手臂的关节轨迹和一台相机，基座是个可以忽略的常量。而一段全身示范，必须捕捉腿、躯干、脚下不断变化的接触，以及流经整条运动链的力，全部同步，因为腿部动作不是任务周边的背景，它本身就是任务的一部分。

这就是为什么那些让跨具身学习成为可能的大型开放操作语料库，绝大多数都是固定基座的。把各实验室的手臂示范汇集起来，本身已是英雄般的努力；而汇集同步的、富含接触的全身人形示范，是一个更难的问题，这个领域才刚刚开始面对它。状态空间更大，采集装置更重，而戴着它的人还得在自然地完成任务的同时，保持自己的平衡。近期机器人学文献的综述，以及 IEEE Spectrum 一类媒体的报道，反复绕回同一道缺口：能行动的硬件，正比训练它所需的示范来得更快。

全身控制不是多几个关节的操作。它是另一个问题，因为被控制的东西同时也是让自己保持直立的东西，二者无法拆开。无论最终的答案是一个遵守物理的优化器、一个学会了物理的策略，还是二者近乎注定的混合，所有这一切都立在同一个地基上：必须有人把一整个人类身体走向一项任务、并把它做成时真正做了什么，记录下来。那份记录，才是稀缺的那一部分，而它尚未以机器人将要用到的规模存在。