1. 人形机器人概述

大家好，我是你们这堂课的主讲人。在正式开始之前，我想先聊聊我自己的一个感受。十年前我刚入行时，人形机器人还是个「科幻玩具」。那时候在实验室里调一个双足行走的PID参数，能调到我怀疑人生。但现在不一样了，硬件成熟了，仿真环境也强大了，我们终于可以坐下来，认认真真地聊聊「策略训练」这件事。

这一章，我们先把地基打牢。我会带你快速过一遍人形机器人的发展脉络、核心硬件架构，以及两个主流的仿真环境。嗯，这部分内容可能有点「硬」，但相信我，理解了这些，后面你写策略代码时会少踩很多坑。

1.1 发展历程：从蹒跚学步到跑酷跳跃

人形机器人的发展，说白了就是一部「如何让铁疙瘩学会走路」的血泪史。

• 1960s-1970s：萌芽期。最早的尝试来自日本。早稻田大学搞出了WABOT-1，它能走，但走一步要花45秒。你想想看，比乌龟还慢。那时候控制理论刚起步，基本都是靠「位置控制+预编程」硬怼。
• 1980s-1990s：技术积累期。本田的ASIMO项目开始秘密研发。我记得看过当年的纪录片，工程师们为了一个脚踝关节的减震，反复打磨了三年。这个阶段，IMU（惯性测量单元）开始被引入，机器人终于能感知自己的姿态了。
• 2000s-2010s：爆发期。波士顿动力的Atlas横空出世。它第一次展示了「动态行走」——不是一步一步挪，而是像人一样自然摆动。为什么能做到？因为力传感器和模型预测控制（MPC）成熟了。我在2015年第一次看到Atlas的后空翻视频时，说实话，后背发凉——这玩意儿要是失控了，砸到人可不是闹着玩的。
• 2020s至今：产业化与强化学习时代。特斯拉的Optimus、小米的CyberOne、傅利叶的GR-1……大家开始拼成本、拼量产。更重要的是，强化学习（RL）开始大规模替代传统MPC。为什么？因为MPC需要精确的动力学模型，而RL可以在仿真里自己「摸索」出走路策略。

1.2 核心硬件架构：关节、感知与触觉

搞策略训练，你首先得知道你的「学生」长什么样。人形机器人的硬件架构，我习惯把它拆成三块：执行器、感知系统、交互接口。

1.2.1 关节电机：机器人的肌肉

关节电机是核心中的核心。目前主流方案有三种：

类型	代表产品	优点	缺点
传统伺服电机+减速器	Harmonic Drive	精度高、刚度大	成本高、体积大、有回差
直驱电机	Kollmorgen TBM	响应快、无背隙	扭矩密度低、发热严重
准直驱电机	MIT Mini Cheetah 方案	高扭矩密度、可做力控	控制算法复杂

我个人习惯在仿真里用准直驱模型。为什么？因为它的「力控特性」和真实硬件最接近。我曾经在项目里犯过一个错误：在仿真里用了理想化的伺服电机模型，结果策略迁移到真机上时，关节一震动就发散。后来花了三周才排查出来——是电机模型太「完美」了，忽略了齿槽转矩和摩擦力。

1.2.2 IMU：机器人的内耳

IMU（惯性测量单元）提供加速度和角速度。它决定了机器人能不能感知自己「歪了」。

常见的IMU芯片有BMI088、ICM-20948等。在仿真里，我们通常模拟一个6轴IMU（3轴加速度+3轴角速度）。但要注意：真实IMU有噪声、有零偏、有温漂。如果你在仿真里用「完美IMU」，策略迁移时大概率会翻车。

我建议的做法是：在仿真环境中给IMU数据叠加高斯噪声和随机游走噪声。具体参数可以参考真实芯片的数据手册。比如BMI088的加速度计噪声密度是200 μg/√Hz，角速度噪声是0.004 °/s/√Hz。把这些参数写进你的环境配置里。

1.2.3 足底力传感器：机器人的触觉

足底力传感器（通常是六维力传感器或阵列式压力传感器）是双足稳定行走的关键。它告诉控制器：「你现在的脚底压力中心（CoP）在哪里？」

在仿真里，我们通常通过接触动力学模型来模拟足底力。但这里有个坑：仿真中的接触模型往往是「硬接触」，而真实地面是有弹性的。我曾经在项目里发现，仿真中训练的策略在草地上走时，脚底会频繁打滑。后来我调整了接触模型的阻尼系数和摩擦系数，才勉强匹配。

1.3 主流仿真环境：Isaac Gym vs MuJoCo

选仿真环境，就像选武器。没有最好的，只有最合适的。我两个都用过，说说我的感受。

1.3.1 Isaac Gym：为强化学习而生

Isaac Gym是NVIDIA推出的GPU加速物理仿真器。它的最大优势是：快。你可以在一个GPU上同时跑数千个并行的环境实例。这对于强化学习训练来说，简直是作弊器。

举个例子，训练一个双足行走策略，用MuJoCo可能需要跑一整天，而Isaac Gym只需要2-3小时。为什么？因为Isaac Gym把物理计算全部放在GPU上，而MuJoCo主要依赖CPU。

但Isaac Gym也有缺点：它的物理引擎是「黑盒」的。你很难修改底层的碰撞检测或约束求解器。如果你需要做精细的接触力学研究，它可能不太适合。

# Isaac Gym 环境初始化示例（简化版）
import isaacgym
from isaacgym import gymapi

# 创建 gym 实例
gym = gymapi.acquire_gym()

# 设置仿真参数
sim_params = gymapi.SimParams()
sim_params.dt = 0.005  # 仿真步长 5ms
sim_params.substeps = 2
sim_params.up_axis = gymapi.UP_AXIS_Z

# 创建仿真环境
sim = gym.create_sim(0, 0, gymapi.SIM_PHYSX, sim_params)

# 加载人形机器人资产
asset_root = "assets/robots/"
asset_file = "humanoid.urdf"
asset = gym.load_asset(sim, asset_root, asset_file, gymapi.AssetOptions())

1.3.2 MuJoCo：精确与可控

MuJoCo（Multi-Joint dynamics with Contact）是DeepMind维护的开源物理引擎。它的特点是：精确。它的接触模型基于「软接触」和「摩擦锥」，能更真实地模拟足底与地面的交互。

MuJoCo的另一个优势是「可微分」。你可以计算动力学模型的梯度，这对于某些基于梯度的优化算法（比如iLQR）非常有用。

但MuJoCo的缺点也很明显：慢。它主要跑在CPU上，并行效率远不如Isaac Gym。如果你要训练一个复杂的全身控制策略，MuJoCo可能会让你等到崩溃。

# MuJoCo 环境初始化示例（简化版）
import mujoco

# 加载模型
model = mujoco.MjModel.from_xml_path("humanoid.xml")
data = mujoco.MjData(model)

# 设置初始状态
data.qpos[:] = [0, 0, 0.9, 1, 0, 0, 0, ...]  # 关节角度初始值
data.qvel[:] = 0  # 初始速度为零

# 前向仿真
mujoco.mj_step(model, data)

# 获取传感器数据
imu_acc = data.sensor("imu_acc").data
foot_force = data.sensor("foot_force").data

1.4 本章小结：一张图看懂知识体系

好了，讲了这么多，我们来画个图总结一下。下面这张SVG图展示了人形机器人策略训练的核心知识体系：

这张图把本章的核心内容串起来了。你想想看，从发展历程到硬件架构，再到仿真环境，其实是一条线：硬件决定了你能做什么，仿真环境决定了你能多快做到。

好了，这一章就到这里。记住，搞人形机器人策略训练，别急着写代码。先把硬件和仿真环境摸透，否则后面你会花大量时间在「调试仿真参数」上——嗯，我当年就是这么过来的。