機器人狗學會“看路換步態”背后，是一場關于動作切換的辯論

“這只四足機器人學會了在森林、樓梯和障礙物間切換奔跑方式——從穩健的小跑到更快的跳躍步態，無需人類操控。”這是《科學·機器人學》期刊上一篇新論文中，研究人員對自己機械造物的直接描述。這句話本身就像一個濃縮的辯論現場：一邊是機器人終于能像動物一樣在復雜地形上自如切換動作，另一邊卻隱晦地承認，讓機器在連續運動中平穩“換擋”，是一個長久以來棘手到近乎無解的難題。

這個名為KAIST HOUND的機器人狗，體重約45公斤（100磅），依靠攝像頭和激光雷達掃描前方地面，然后自行選擇該用什么步態，并實時調整動作。在戶外測試中，它自主穿過了1.1公里的大學校園路線，還走完了一段0.3公里的林間小道——路上遍布樹根、圓木和濕滑的落葉。它會先用一種小心翼翼的“小跑”趟過崎嶇不平的地面，遇到倒下的樹枝時，則突然切換成較大幅度的“跳躍”姿勢，一躍而過，全程沒有摔跟頭。

這種能力很容易讓人聯想到一只真正的狗，但如果把它拆解成機器人控制的邏輯沖突，你就能看到一場一直在機器人學界內部暗暗上演的辯論：到底該不該讓一臺機器人去自行決定什么時候改變它的運動方式？正方會說，地形復雜、瞬息萬變，靠人類遙控或預設程序根本來不及。反方則會拿出一個已經困擾大家很久的工程現實——不同步態的控制往往由不同、高度特化的代碼系統各自負責，讓它們之間順暢銜接而不產生讓機器人絆倒的延遲，這背后是巨大的整合難題。正反方各自有理，而這臺機器狗的最新訓練方式，實際上就是一次對反方邏輯的拆解。

與其說機器人學會了走路，不如說它學會了一種判斷：當前的地形適合繼續維持現有的步態，還是必須馬上切換？這種切換的能力在技術文獻里被稱為“步態過渡”。過去很多四足機器人也有多種步態，但切換過程很可能出現短暫的失衡——例如從高頻小步瞬間切換到身體需要大幅度起伏的跳躍動作時，原控制策略與新策略銜接處的計算結果幾乎是瞬變的，運動學方程里一個小小的偏差就足以讓一條腿踩在不該踩的地方。研究人員想讓機器人既保留不同步態各自的高效，又讓過渡流暢得像同一種運動的自然延伸，這本身就是一對矛盾。

正方的論點得到了一個具體方案的支撐。在這次公開發表的技術框架中，研究人員設計了一種名為“動作預訓練Transformer強化學習”（APT-RL）的特殊訓練流程。它的思想很像我們平時說的“先看很多遍老教練的視頻，再去場上自己試”。這個AI系統首先研究了大量的動作案例，利用Transformer模型去理解各種動作序列中隱含的規律，然后再進入一個通過獎勵和懲罰不斷改進的強化學習階段。換句話說，它不是在一條條寫規則，而是讓機器自己從海量動作數據里“看出”什么情況下小跑會變得低效，什么時候跳躍反而更安全。

反方在這里可能仍然會質疑：你給機器人看的那些動作數據，本質不還是人類預先設計好的嗎？這個質疑很有道理，而且研究人員也不會否認——訓練最開始，確實先由一個簡單的二維計算機模型出場。團隊使用了“軌跡優化”技術，這種技術的基本邏輯就是計算出物理上可行的機器人運動方式，并生成每個時刻各關節應該施加多少力。最終，他們生成了18萬段短序列的動作樣本，包括小跑和跳躍兩種步態，并附帶了機器人腿需要輸出的關節力數據。這些數據如果換算成運動時長，大約相當于15.5小時，但計算機生成全部樣本只花了大約8分鐘。也就是說，先給系統提供了一個相當可觀的“動作字典”，但字典里的動作僅限于在平坦地面上模擬出的理想化小跑和跳躍。

真正的辯論轉折點出現在強化學習階段。這個時候，機器人并沒有被限定為原樣復制預錄動作。訓練環境從簡單的二維平面升級為包含樓梯、墊腳石、跨欄、縫隙和粗糙地面的三維仿真場。AI系統必須在這些場景中一次次嘗試，自己決定調用字典里的哪些動作片段、怎樣修改它們來適應三維地形的坡度和突如其來的障礙。當仿真中突然出現一根需要跳過的圓木時，系統生成了一種在原始平面訓練數據中壓根沒有的行為——原地起跳翻越。這種修正能力不是手把手教出來的，是從“如何在各種地面保持移動而不摔倒”這個目標中被獎懲機制逼出來的。

如果說預錄動作庫是“課本知識”，仿真中的強化學習就是它在模擬真實世界中的“生活經驗”。課本不會教它怎么從一片絆腳的碎石里快速切換到跳躍姿勢，但每一次摔倒的懲罰都會告訴它：此前某個時刻的切換決定是錯的。而每一次成功保持身體平衡的獎勵，則會微妙地加強某種動作組合。Transformer在這里扮演了一個很關鍵的角色——它幫助AI在龐大復雜的動作序列數據中，提煉出跨動作的通用模式，知道“小跑的最后幾步”和“跳躍的前奏”之間存在某種可以被平穩縫合的關系。于是，切換本身不再是一個生硬的開關，而成為一種連續的動作生成過程。

現在可以重新檢視這場辯論的雙方了。反方擔心步態切換會導致不可控的失穩，這個擔心本身基于過去的工程實踐并沒有錯。許多傳統機器人步態控制器確實是“換擋必卡頓”，因為小跑控制器和跳躍控制器的架構差異太大了——有時候這兩個模塊甚至是完全獨立開發的，彼此之間沒有共享一個關于機器人身體姿態的信息池。而正方拿出的成績單顯示，KAIST HOUND在真正崎嶇的森林中，能夠在沒有人類發出切換指令的情況下，連續自適應地改變動作。注意，這里不是簡單的“自動選擇模式A或模式B”，它會在實時掃描前方地形后，根據即將到來的障礙物形狀對現有的步態參數做細微調整，甚至混合出一種介于兩者之間的過渡態。這就是為什么說它更像在“判斷”，而不是在“遵從”。

從數字和機構事實上看，這項研究于7月15日發表在《科學·機器人學》期刊，表明它通過了同行評審的基本門檻。這個細節很重要，因為任何關于機器狗能在戶外自如行走的宣稱都很容易被包裝成博眼球的黑科技，而公開發表的論文至少提供了可供檢驗的技術細節。當然，僅憑目前公布的數據，我們也不能無限放大它的意義。測試中的校園和森林路徑距離分別是1.1公里和0.3公里，雖然包含了樹根和濕滑落葉等典型戶外不確定因素，但這并不能代表它已經能應對所有極端地形——例如松軟的沙地、冰面或陡峭碎石坡，原文中并未提及相關測試。機器人自身的續航、前方感知設備在雨雪大霧中的穩定性，以及面對突然出現的移動障礙物（比如沖出來的人或動物）時的安全反應，這些也都是技術框架中尚未展示的部分。

其實把這場辯論再往底層推一步，還有一層值得冷靜拆解的預設：人們時常默認機器人的思考方式應該像人一樣先“認出路況”再做決定，但APT-RL框架揭示的邏輯可能更接近另一種真相——機器人并不需要真正理解“這是森林小徑”這個概念，它只需要看前方一小段范圍內的地形點云，就能即時計算出接下來幾步該用多高的抬腿、多大的蹬地力。這種直覺式的運動反應，也許比你給它貼一個“森林”的標簽要有效得多。就像一個人快步穿過亂石灘時，大腦并不在腦海里念出“現在切換至高抬腿模式”，而是直接讓身體做出調整。從這個角度來說，這場關于步態切換的辯論，最終也許并不在于哪種控制架構更聰明，而是逐步消解了“切換”這個詞本身——如果機器人的全身協調已經做到沒有明顯的模式斷裂，那就不再存在所謂的“從A到B”，只有一條連續的適應曲線。

當然，現在下結論說機器人徹底攻克了步態切換難題還為時尚早。科學研究中常見的一種現象是：當某一項框架在特定環境下表現優異，人們反而更需要追問它對環境參數變化的敏感程度。這篇《科學·機器人學》論文所呈現的框架已經證明，用動作預訓練結合強化學習，可以在無需人工干預的情況下，實現四足機器人在多種場景下的敏捷、平滑動作過渡，且測試的軌跡包含真實的戶外混雜物。對于那些長期困擾機器人學界的真實世界部署難題，這至少給出了一條可以繼續探索的路線。至于這條路線能不能最終延伸到每只機器狗都能像真正的狗一樣在任何地形上毫無顧忌地奔跑跳躍，那是下一場辯論的論題了。