為了讓它走兩步，我的電腦抽了十幾小時皮鞭

不知不覺，2026年已經過去了四分之一了。。。

不知道大伙兒是啥感覺，反正自從開年以來，世超總能刷到各種機器人。今天開幕式上露個臉，明天路演現場走兩步，到處刷存在感。

尤其是從春晚那波機器人武術出圈之后，很多人都覺得，這玩意兒的發展速度是不是有點太快了，去年還在轉手絹，今年已經能給人類上強度了。。。

不過，我也看到有人說，這些走兩步路、跳個舞的機器人其實沒啥技術含量，說白了就是個大型遙控玩具。

誒，原來讓機器人動起來很容易嗎，那豈不是我上我也行？

為了搞清楚這事兒，這回世超干脆借來了一臺雙足機器人，準備親自訓練點新動作，看看這個類人形機器人，能玩出多少花活兒。

剛一搬進屋，新同事就被好奇的老登們圍了個水泄不通。

大伙兒四足的、人形的在辦公室里見怪不怪，全身只有兩條腿的還是第一次見，紛紛主動列隊歡迎。

世超 py 來的這個機器人叫 TRON 1，是目前構型最精簡的雙足機器人。翻了翻說明書，這家伙每條腿上各有三個關節，對應三個電機。

相比那些動輒幾十個關節的人形機器人，這種雙足機器人，更適合拿來研究一個最底層的問題：

兩條腿，怎么在真實世界里穩定地走。

按理說，我只要把這兩條腿上，6 個電機安排明白，就能控制它做出想要的動作。比如電機轉得快一點，腿就抬得快一點；角度大一點，腿就抬高一點。

看起來沒啥難度對吧，搞清楚基本工作原理，咱先從最基本的走路學起，練個手。

想訓練一個機器人在現實里做動作，第一步，得先讓它在虛擬環境里動起來。

創建一個 Isaac Gym 仿真環境，在這里，你可以一次性拉出成千上萬個一模一樣的機器人，讓它們同時摔、同時犯錯，快速成長，訓練效率直線提升。

而有了訓練的環境，咱又來到了第二關。讓機器人成功走起來的核心，其實是一套合理的獎懲機制。

在這里，世超采用了比較基礎的強化學習 PPO 算法。大伙兒可以把這個過程理解成蘿卜紙巾真蚌，做好了，及時給獎勵，做錯了，就得懲罰。

而機器人和人一樣，學習，是一個循序漸進的過程。要想學花活兒，得先把走路學明白，穩定不摔倒。未經訓練的機器人非常怠惰，只會迅速陷入嬰兒般的睡眠。

所以，一套訓練程序里，十八個獎勵函數，只有三個是給糖吃的：站穩、按給定方向移動、按固定方向移動，其它十五個全負責抽皮鞭。

雙腿并攏，罰。腳沒著地，罰。頭著地了，罰。

訓練了一會兒，不走直線，罰。走得太慢，罰。方向錯了，罰。

什么，你問獎勵給這么少是不是虐待機器人？真不是我們不想給，這么做也是為它好。

獎勵給得太多，很容易讓機器人鉆空子，學不到有用的本事。比如，要是不摔就給獎勵，那機器人大概率會避開走路摔倒的風險，原地罰站。

很快，只要兩三個小時的訓練，機器人順利地走起來了。

其實直到這里，世超已經通過 TRON 1，完整地體驗了一遍機器人走路的強化學習入門級流程。

有一說一，確實不算難。只要大伙兒有點編程基礎，摸索摸索，做出點好看的成果還是很快的，還相當有成就感。

如果事情只停在這里，那機器人可能確實是個大玩具。

然而，當世超想開始第二階段的拷打，搞點新東西的時候，事情就沒那么簡單了。。。

這一次，我們設計了 3 個新的獎勵函數來讓它走得更有難度：機器人的腿離地面過近、膝蓋彎曲的角度不對、每步走得太短都不行。

有了這些函數，機器人走路的時候腿會抬得更高，走路的姿勢會變得完全不一樣。

大概四五個小時后，世超給機器人準備的新動作也誕生了。以后它走路得邊跳邊走，年輕人，有活力一點。

模型準備就緒，模擬世界里一切正常，機器人學得很好。

接下來，只要把這個訓練好的模型，通過一根網線，傳遞到機器人的身上。。。

等等，事情開始不對勁了。

把虛擬環境里的算法移植給現實里的真機器人，才是地獄的開端。

當那套在模擬器里跑得一點沒毛病的模型注入真機，你會發現電腦里絲滑的步態，到現實里全變成了水土不服。

真實物理世界里，地面變化的摩擦力、機器人重心變化、傳感器的延遲。。。這些微小的變量在幾十斤重的鐵疙瘩身上會無限放大。

世超試了五六次，它依然腳抬不起來，腿邁不開，時不時原地抽搐。

巨大的聲響，甚至還把金毛火鍋嚇哭了。。。

沒招了，咱只好向場外求救。聽完逐際動力工程師 Brandon 的解釋，我才意識到，這就是具身智能最難的地方 —— 把看似完美的虛擬模型，搬到殘酷復雜的現實世界。

往好里說，現在這套模型也許不是完全沒戲。

它就像買彩票，你反復跑上成百上千次實驗，只要有一次，環境、參數、運氣全對上了，機器人也能站起來、踉踉蹌蹌走兩步。

但更常見的情況，是模型本身有問題。這時候，我們得把模型回爐重造，修改獎懲機制繼續練習。

甚至存在很大可能，我們再花幾十小時搞出來的新東西，還不如老模型效果好。例如你可能設置了抬高腿的新獎勵，結果直接導致機器人重心不穩。一個 bug 的修復，往往會引入更多的 bug。

另外，很反直覺的是，即使在模擬環境里做到 100% 好，對真機也不一定是好事。

因為它可能早早地過擬合，只在嚴格的特定環境下才好用。

跑完整個機器人培訓流程，世超才發現我們對它有很多誤解。即使是一個簡單重復的走路動作，一旦要讓它在真的機器人上絲滑運行，也絕對不是一朝一夕的事。

而大伙兒平常快看膩了的各種跳舞、導覽、巡邏功能，往往需要更多的數據、更復雜的訓練手法、面對更變幻莫測的真機反應。

機器人看起來像個大遙控玩具，并不是因為它技術含量低，而是因為真正難的那部分很少被拍出來。

不管是昂貴的數據采集，還是模型一遍又一遍以小時為計的訓練調整，亦或是彌合虛擬世界到真實機器人的巨大鴻溝，都需要有經驗的工程師來反復實驗，反復調試，花費大量金錢和時間，才能保證次次成功，穩定運行。

當然，肯定有差友忍不住問一句：這機器人就兩條腿，能干的事這么少，就算真把它做成了，又有什么用？

逐際動力團隊是這樣向我們解釋的，像 TRON 1 這類機器人，一方面能在游樂園里讓已經滅絕的恐龍“動起來”，在火車站、機場這種人多的環境去巡邏，在大型設備進不去的危險環境作業，用小小很可愛的優勢補位；

但更重要的價值，并不在立刻能干多少活，而是在科研本身。

同樣是研究兩條腿怎么走，在 TRON 1 這種只有兩條腿的機器人上實驗，成本更低、迭代更快。一旦這些底層規律被跑通，就能類比遷移到更復雜的人形機器人上，相當于先用小號模型把坑都踩完。

科研離生活很遠，但沒有科研機器人，它們永遠不可能走進生活。

如果把時間拉長一點看，這些機器人的確談不上有用，但研究過程中留下來的方法、經驗、模型和理論依據不會消失，它們會一層層墊在所有后來機器人腳下。

機器人能走到今天，本身就是一條漫長又不容易的技術積累之路。

我們不如換個角度想，人類進化到可以直立行走，至少經過了幾百萬年。早期想造出一個會走路的機器人，以早稻田大學 WABOT 為例，也是數以年計。而現在，就像世超這樣的非專業工程師，只需要不到一天，就能教會一個鐵疙瘩穩穩走起來。

從這個意義上說，看似干啥啥不行的機器人，已經超過人了。

所以，趁著這幫鐵疙瘩現在還只會點地板 breaking，世超建議大伙兒還是對它們客氣點。

畢竟當機器人學啥都只要一天不到的時候，被嚇哭的可能就不止是火鍋了。