过去十年（2015-2025），人形机器人步态控制完成了从 “机械复刻” 到 “自主智能” 的颠覆性跨越 —— 以 ZMP 为核心的传统控制范式逐步退场，以 PPO 为代表的强化学习范式成为主流，彻底重塑了机器人的运动能力与环境适应性。这场革命不仅是算法的迭代，更是控制逻辑、开发模式与应用边界的全面重构，为具身智能落地筑牢核心根基。
ZMP（零力矩点）理论是人形机器人步态控制的经典基石，由南斯拉夫学者 Vukobratović于 20 世纪 70 年代提出，核心逻辑是地面反作用力合力作用点处水平合矩为零，只要 ZMP 始终落在脚掌形成的支撑多边形内，机器人就能维持动态平衡。
在 2015 年前，ZMP+LQR（线性二次调节器）是绝对主流范式，本田 ASIMO、HRP-4C 等早期人形机器人均采用此方案。其工作流程高度依赖精确动力学建模 + 离线轨迹规划 + 实时误差修正：工程师需基于线性倒立摆模型，手工规划质心、关节轨迹，再通过 LQR 微调关节力矩，确保 ZMP 稳定在支撑区域内。
这一范式的贡献在于首次实现双足机器人稳定行走，但致命局限在十年应用中暴露无遗。其一，环境刚性适配：仅适用于平坦硬地面，无法应对台阶、碎石等非结构化地形，2015 年主流机器人平地速度仅 0.5-0.8m/s，上下 20cm 台阶都极易摔倒；其二，建模依赖过重：需精确标定 30 + 自由度的动力学参数，模型误差会直接导致失衡，且无法适配负载变化、部件磨损等动态场景；其三，动态能力匮乏：本质是 “预编程轨迹跟踪”，无实时环境感知反馈，抗扰动能力极弱，被轻微撞击就会倾倒。
2015 年波士顿动力 Atlas 液压版机器人是 ZMP 范式的巅峰，能实现慢走、简单转向，但仍无法突破 “慢、稳、僵” 的瓶颈，标志着传统模型驱动范式已达性能天花板。
面对 ZMP 范式的局限，2015 年后行业进入 **MPC（模型预测控制）+WBC（全身控制）** 的过渡阶段，核心突破是从 “静态平衡” 转向 “动态自适应平衡”，为后续强化学习范式奠定基础。
MPC 的核心优势是有限时域优化 + 约束显式处理：通过简化动力学模型，预测未来几百毫秒内的机器人状态，实时求解最优关节轨迹，同时严格约束关节角度、力矩上限，适配动态运动需求。WBC 则进一步将全身动力学纳入优化，实现平衡控制、轨迹跟踪、多任务执行（如移动时抓取）的协同，突破 ZMP 时代 “单关节独立控制” 的局限。
这一阶段的标志性成果是 Atlas 机器人的能力跃升：2016 年后搭载 MPC+WBC 算法的 Atlas，实现 1.0m/s 平地行走、上下 20cm 台阶，甚至完成后空翻、碎石路面奔跑等高动态动作，彻底颠覆 ZMP 时代的性能认知。国内宇树 Laikago、优必选 Alpha 系列也跟进采用类似架构，推动国产人形机器人从 “实验室样机” 走向 “场景验证”。
但 MPC+WBC 仍未脱离 “模型驱动” 的核心逻辑，简化模型与真实动力学的偏差成为无法突破的瓶颈 —— 复杂地形下建模误差被放大，控制鲁棒性骤降；同时，实时优化计算量巨大，硬件成本高企，难以规模化落地。2020 年后，随着强化学习技术的成熟，行业开始加速向数据驱动范式转型。
2020 年后，以 **PPO（近端策略优化）** 为代表的强化学习算法，结合 Sim-to-Real（仿真到现实）迁移技术，彻底重构人形机器人步态控制范式，开启 “端到端自主学习” 新时代。
PPO 由 OpenAI 于 2017 年提出，核心创新是裁剪目标函数 + 优势函数加权，在保证训练稳定性的同时，避免策略更新幅度过大导致的崩溃，完美适配人形机器人高维动作空间（30 + 自由度）与连续控制需求。其核心逻辑是数据驱动 + 自主探索：无需手工建模与轨迹规划，机器人在仿真环境中通过与环境交互，以 “最大化奖励函数” 为目标自主学习步态策略，奖励函数可设计为前进速度、平衡稳定性、能耗效率等多维度指标。
PPO 范式落地的关键是大规模并行仿真 + 域随机化：借助 Isaac Gym 等仿真平台，同时并行训练上万台机器人，通过随机化地面摩擦、关节阻尼、外部扰动等参数，让策略适配复杂多变的现实场景，解决强化学习 “仿真与现实差距” 的核心痛点。2021 年后，英伟达、字节跳动等企业推出的仿真工具，进一步将 Sim-to-Real 迁移成功率提升至 90% 以上，加速 PPO 范式工业化落地。
PPO 范式带来的性能飞跃堪称革命性：2022-2025 年，搭载 PPO 算法的人形机器人（如宇树 H1、银河通用 “通极”），平地速度突破 12km/h，可流畅完成跑酷、武术踢击、舞蹈等高动态动作，崎岖地形适应性、抗扰动能力远超传统范式。更重要的是，端到端控制架构统一了步态、平衡、感知决策，机器人可通过视觉实时识别障碍物，0.1 秒内调整步长、落脚点，实现 “感知 - 决策 - 动作” 一体化，真正具备类人运动智能。
对开发者社区而言，PPO 范式彻底改变了步态控制的开发逻辑：从 “依赖资深控制工程师手工调参” 转向 “算法工程师 + 数据工程师协同迭代”，大幅降低技术门槛。传统 ZMP 范式需数月手工调试轨迹参数，而 PPO 范式可在仿真环境中自动优化，一周内完成多场景策略迭代；同时，无需精确动力学标定，硬件适配性更强，推动人形机器人硬件成本从百万级降至十万级，为规模化量产扫清障碍。
| 对比维度 | ZMP（2015 年前） | MPC+WBC（2015-2020） | PPO（2020-2025） |
|---|---|---|---|
| 核心逻辑 | 模型驱动 + 离线规划 | 模型驱动 + 在线优化 | 数据驱动 + 自主学习 |
| 环境适配 | 平坦硬地面 | 结构化地形 + 简单动态 | 非结构化复杂地形 + 强扰动 |
| 运动能力 | 0.5-0.8m/s，慢走、转向 | 1.0-1.5m/s，慢跑、上下台阶 | 12km/h，跑酷、后空翻、舞蹈 |
| 开发周期 | 数月（手工调参） | 数周（模型优化） | 数天（仿真训练） |
| 硬件依赖 | 低（常规控制器） | 高（高性能计算单元） | 中（通用 GPU + 边缘计算） |
| 鲁棒性 | 弱（轻微扰动即失衡） | 中（适配有限动态场景） | 强（抗撞击、自适应地形） |
从 ZMP 到 PPO 的十年范式革命，本质是控制逻辑从 “人类预设规则” 到 “机器自主学习” 的演进，核心启示有两点：一是数据驱动终将超越模型驱动，在复杂非线性系统控制中，强化学习能突破人类经验与建模能力的边界；二是技术融合是落地关键，PPO 范式的成功离不开仿真技术、硬件算力、感知技术的协同进步。
展望未来，人形机器人步态控制将朝着 **“轻量化强化学习 + 多模态融合”** 方向演进：一方面，通过模型压缩、稀疏化等技术，让 PPO 等强化学习算法适配边缘设备，降低实时控制延迟；另一方面，融合视觉、力觉、本体感知等多模态信息，实现 “感知 - 决策 - 控制” 深度协同，让机器人具备真正的环境理解与自主决策能力。同时，开发者社区将持续推动算法开源、工具链完善，进一步降低技术门槛，加速人形机器人在工业、家庭、服务等场景的规模化落地。
这场始于步态控制的范式革命，不仅重塑了人形机器人的运动能力，更拉开了具身智能时代的序幕 —— 当机器人能像人类一样灵活移动、自主适应复杂世界，人类与机器的协作边界将被彻底改写，新的产业生态与生活方式也将随之而来。
