在人形机器人赛道从静态展示迈向动态落地的关键节点，深圳逐际动力以「四足起家、人形突围」的独特路径，推出全尺寸人形机器人 CL‑1，凭借「原地起跳」式的技术迁移，快速实现从四足到双足的能力跃迁。作为国内首款基于实时地形感知完成动态上楼梯、往返跑步的人形机器人，CL‑1 的核心竞争力，正是逐际动力从四足机器人 X1、W1 等原型机中沉淀的运动控制基因 —— 从 MPC 模型预测控制、全身动力学建模，到实时地形感知、高抗冲击关节设计，这套在四足领域验证成熟的技术栈，能否完整平移至人形机器人的双足动态控制？CL‑1 的实践，不仅是一次技术路径的大胆尝试，更是对「四足与人形运动控制同源性」的硬核验证，为开发者社区提供了「从四足到人形」的技术迁移范式与工程化参考。

逐际动力的技术根基，始于四足机器人的运动控制深耕。公司成立之初便聚焦足式机器人的「本体 + 控制」核心难题，从四足原型机 X1 起步，攻克正向上下楼梯、复杂地形动态行走等行业难题，随后推出四轮足 W1、多形态 TRON 系列，逐步构建起「实时感知 — 步态规划 — 全身控制」的全栈闭环能力。这套能力的核心，是逐际动力自研的「大小脑融合」运动控制框架 —— 小脑负责底层实时运动控制，基于 MPC 算法实现毫秒级关节力矩输出与动态平衡调节；大脑负责上层感知决策与任务规划，融合视觉、IMU、力觉数据完成环境理解与路径生成。在四足机器人上，这套框架已实现 15° 斜坡稳定行走、动态避障、负重 20kg 连续作业等能力，其核心技术包括：基于刚体动力学的全身模型构建、高频 MPC 求解器（500Hz 以上）、足端接触力实时估计、地形自适应步态生成，以及高功率密度、高抗冲击的自研关节模组。这些在四足场景中反复打磨的技术模块，成为 CL‑1 快速落地人形机器人的「技术基因库」，也让逐际动力在人形赛道实现「弯道超车」—— 不同于多数厂商从零开始研发人形运动控制，CL‑1 直接复用四足成熟技术，仅用一年多时间便完成从原型到动态测试的全流程开发。

CL‑1 的「原地起跳」，本质是四足运动控制基因向人形场景的系统性迁移，其核心技术平移体现在三大维度。首先是底层动力学建模与控制框架的直接复用。四足与人形机器人同属足式移动平台，核心均为「多刚体动力学 + 接触约束 + 平衡控制」，逐际动力将四足的全身动力学模型直接迁移至 CL‑1，仅需调整自由度配置（四足 16 自由度→人形 30+ 自由度）与质量分布参数，即可快速构建人形的动力学方程。更关键的是，CL‑1 完整继承四足的 MPC 控制框架，其 500Hz 高频求解器可实时处理 30+ 关节的力矩优化、ZMP 稳定判据、足端接触约束等多变量问题，实现「感知 — 规划 — 控制」的全链路闭环。在动态上楼梯测试中，CL‑1 正是依靠这套 MPC 框架，实时解算每一步的足端位置、关节力矩与重心轨迹，配合地形感知数据动态调整步态，实现一步一阶平稳上楼梯，而这一能力正是四足机器人复杂地形控制的直接延伸。其次是实时地形感知与环境交互能力的同源复用。CL‑1 搭载的双目视觉 + 激光雷达 + IMU 多模态感知系统，与四足机器人的感知架构完全一致，其核心算法 —— 实时地形高程估计、障碍物检测、足端接触点规划 —— 均从四足场景迁移而来。区别于多数人形机器人的「盲走」模式，CL‑1 可实时构建厘米级地形地图，动态识别台阶、斜坡、坑洼等复杂地形，并自适应调整步长、步高与重心高度，这一能力直接复用四足机器人在非结构化地形中的感知控制经验，也是其成为国内首款「感知驱动动态上楼梯」人形机器人的核心原因。最后是高动态关节与硬件设计的技术平移。CL‑1 的自研关节模组，继承四足关节的高功率密度、高抗冲击、高精度力矩控制特性，峰值扭矩密度达 25N・m/kg，响应时间＜1ms，可承受 3 倍额定载荷的冲击。在往返跑步测试中，CL‑1 从静止加速至 3km/h，再快速减速停止，全程关节无抖动、机身无倾倒，正是依靠四足关节沉淀的「高动态、高刚性」设计基因 —— 四足机器人需应对奔跑、跳跃等高冲击场景，其关节的力矩响应、抗疲劳、散热能力，完全适配人形机器人的动态运动需求。这种硬件层面的技术复用，大幅降低了 CL‑1 的研发周期与成本，也确保了整机动态性能的稳定性。

但四足运动控制基因向人形迁移，并非简单的「复制粘贴」，CL‑1 的实践暴露出三大核心技术鸿沟，也是「基因平移」的关键挑战。其一，支撑模式与稳定性机制的本质差异。四足机器人具备四点支撑，支撑基底宽、静态稳定性强，控制核心是「足端接触力分配与步态切换」；而人形机器人为双点支撑，支撑基底极窄，静态稳定性极差，控制核心是「全身重心动态调节与 ZMP 实时跟踪」。逐际动力在迁移 MPC 框架时，需重新设计平衡约束条件 —— 从四足的「四点接触力优化」升级为人形的「ZMP 稳定域 + 全身重心轨迹优化」，同时新增躯干姿态控制、上肢摆臂协调等模块，以弥补双足支撑的稳定性缺陷。在 CL‑1 早期测试中，曾出现跑步时机身晃动过大、上楼梯时重心偏移等问题，正是由于四足的稳定性控制逻辑无法直接适配人形，需通过算法重构与参数重调解决。其二，自由度结构与运动协同的复杂度跃升。四足机器人自由度集中于腿部（12‑16 个），上肢多为简化设计，控制聚焦于「腿部步态生成」；而人形机器人拥有 30+ 自由度，覆盖腿、躯干、臂、手，运动控制需实现「全身协同」—— 腿部负责移动、躯干负责重心调节、上肢负责平衡辅助与操作。CL‑1 在迁移四足控制算法时，需将「腿部独立控制」升级为「全身多自由度协同控制」，新增腰部、肩部、肘部的动力学耦合建模，同时优化 MPC 求解器的计算效率，以应对自由度翻倍带来的计算压力。例如，CL‑1 在负重搬运时，需同步协调腿部行走、腰部扭转、手臂抓取的力矩输出，确保重心始终在稳定域内，这一复杂度远超四足机器人的单一场景控制。其三，足端接触模型与地形交互的特性差异。四足机器人足端多为点接触或小面积接触，接触模型简化，控制聚焦于「足端是否触地、力是否足够」；而人形机器人足端为类人脚掌，接触面积大、形态复杂，需考虑脚掌与地面的全区域接触、压力分布、打滑约束等，接触模型的复杂度呈指数级提升。逐际动力在迁移四足接触力估计算法时，需重新构建人形足端的软接触模型，融合足底压力传感器数据，实现「足端接触状态 — 地面反作用力 — 全身平衡」的实时解算，这也是 CL‑1 实现平稳跑步、上下楼梯的关键优化点。