让人形机器人稳定走起来，是机器人学里最经典也最难的问题之一。过去五十年，步态控制方法经历了从解析模型到数据驱动的完整演进，理解这条路线，能看懂今天各家人形机器人技术路线的分野。

**经典时代：ZMP 与质心控制**

零力矩点（ZMP，Zero Moment Point）由南斯拉夫学者 Vukobratović 在 1972 年提出，是双足步态的奠基理论。核心思想：只要 ZMP 落在支撑多边形（脚底与地面的接触区域）内，机器人就不会倾倒。基于 ZMP 的步行模式生成（如日本早稻田大学 WABOT、本田 ASIMO 所采用的方法）通过预先规划质心轨迹，再反解关节角度，实现了早期人形机器人的稳定行走。但 ZMP 方法的局限也很明显：依赖精确的动力学模型、对外部扰动鲁棒性差、步态显得僵硬，更适合平坦地面的准静态行走。

**过渡：模型预测控制（MPC）**

2000 年代后期，模型预测控制开始应用于腿式机器人。MPC 在每个控制周期求解一个有限时域的最优控制问题，滚动优化足端轨迹与地面反作用力，能在线处理约束（如摩擦锥、关节力矩极限），对扰动的适应能力远强于离线规划的 ZMP 方法。MIT Cheetah 系列、波士顿动力的 Atlas（液压时代后期）都大量使用了基于质心动力学或全身动力学的 MPC。MPC 的代价是计算量：高频求解优化问题对机载算力要求高，且仍然依赖模型的准确性。

**现在：强化学习的 sim-to-real**

近五年，深度强化学习成为人形机器人步态的主流研究范式。做法是在物理仿真器（如 Isaac Gym、MuJoCo）中大规模并行训练行走策略，通过域随机化（domain randomization）让策略适应模型误差，再迁移（sim-to-real）到真机。2023 年之后，多家公司和实验室展示了 RL 策略在真机上的鲁棒行走：上下楼梯、被推搡后恢复、在不平地面行走。RL 的优势是策略对未建模扰动的适应性强、步态更自然；挑战在于 sim-to-real 的鸿沟依然存在，可解释性差，以及高动态动作（如跑跳、空翻）的安全验证困难。

**当前落地水平与理性判断**

如实评估今天的水平：平地稳定行走、上下楼梯、抗中小扰动，已经是头部产品的量产可用能力；但复杂非结构化地形（碎石、泥泞、狭窄攀爬）、长时间高可靠运行（跌倒率、关节寿命），仍是工程化的深水区。值得注意的是，业界正在走向"混合路线"：RL 负责自适应步态生成，MPC/whole-body control 负责底层稳定与安全约束，两者互补而非互斥。

步态控制的演进史，本质上是"模型精度"与"数据规模"两种范式的此消彼长。欢迎讨论：你更看好纯 RL 端到端路线，还是 RL+MPC 的混合架构长期胜出？