仿真里学会走路，到真机上就抖：腱驱双足的虚实差距怎么补

编译自 MDPI Mathematics 2026, 14(13), 2358　·　开放获取 CC BY 4.0

腱驱机器人把电机挪到靠近躯干的位置，用绳索把力传到关节上。这样换来的轻量化和低惯量，在复杂地形上很有价值，安全性也更好。到了仿真里，这份优点立刻变成麻烦。绳索的弹性、多关节之间的耦合、传动链上的迟滞，任何一项建模不准，训练出来的策略一落到真机就开始抖。

上海理工大学光电信息与计算机工程学院、机器智能研究院联合上海卓道医疗科技与汉堡大学信息学系的 Suozhong Fan、Jian Liu、Jie Xue、Jun Tang、Qingdu Li、Jianwei Zhang 在 Mathematics 上给出了一个答案。他们没有去追求更精细的仿真器，而是把真机数据反过来喂进仿真，让策略在训练阶段就把腱驱系统的时变特性学进去。这套两阶段框架被命名为 RSR，取的是 Real2Sim2Real 的意思。

腱驱传动的工程价值来自力的传递路径。把驱动电机从关节处挪到躯干或大腿根部，关节上只剩下滑轮和绳索，转动惯量随之下降，腿的摆动更快，落地冲击也更容易被柔性环节吸收。麻烦在于这条路径上的每一个环节都带非线性。绳索在高张力下会被拉长，摩擦随速度变化，多根绳索共用一个关节时还会互相牵制，加上电机到关节之间存在不可忽略的延迟，整个系统的动力学参数是随时间变化的。传统仿真器假设刚体连接，很难把这一层描述出来。

两个绕不开的差距

论文把问题归成两类。第一类是本体动力学差距。域随机化通过抖动动力学参数和传感器噪声来提高策略鲁棒性，代价是牺牲最优性，策略会变得保守；系统辨识方法靠标定惯性、摩擦和执行器特性来提升仿真保真度，但多数做法假设动力学是时不变的，抓不住真实系统的时变行为。用神经网络建模执行器动力学是一条更细的路，只是这类方法通常依赖关节力矩测量作为监督信号，而腱驱机器人恰恰很难拿到这个信号，力传感器装不进那么紧的关节腔体。

第二类是部分可观测。仅靠历史本体感受观测很难还原缺失的环境信息，已有做法大多从历史观测里提取特权信息的隐式表征来补偿，但这类方法往往需要多阶段训练，而且无法保证所有与任务相关的信息都被保留在潜在表征里。DreamWaQ 采用非对称的 actor-critic 框架，在单个训练阶段估计特权信息并显式预测机体线速度，是这条线上较新的尝试，论文的思路与它有明显的承接关系。

图1　RSR 两阶段训练框架与它所针对的两个差距（依据原文第 1 节绘制）

第一阶段：用真机数据反过来修仿真

RSR 的第一阶段解决本体动力学差距。做法是先让真实腱驱双足机器人执行动作，采集关节运动数据，再用这些数据在仿真里训练一个扭矩精修策略。这个策略的作用是隐式地建模腱驱系统的时变动力学，包括绳索弹性、多关节耦合和传动时延，从而把仿真中机器人的本体行为往真机拉近。

这一步的关键在于它绕开了监督信号的难题。论文没有要求真机提供关节力矩读数，只用了关节运动数据，让扭矩精修策略在仿真里自行学到该补偿多少。对腱驱平台来说，这显著降低了数据采集的门槛，因为关节角度和角速度是编码器天然能给出的量，而力矩不是。换个角度看，这也是把「建模难」这件事从物理参数辨识转移到了数据驱动的补偿上。

第二阶段：显式估计加隐式表征

第二阶段在修正过的仿真里训练运动控制策略，思路是显式估计与隐式表征并行。一方面显式估计机体线速度和足下的局部地形信息，把最难从本体感受里反推的两个量单独拿出来估；另一方面通过隐式表征学习与任务相关的潜在特征，补充显式估计覆盖不到的动态信息。两者一起送进强化学习框架，用于复杂地形上的运动控制。

这种分工的合理性在于，地形与速度属于可以通过观测间接推断、但直接测量困难的量，适合显式估计；而腱驱系统内部那些说不清楚的时变动力学，交给隐式表征更现实。隐式表征还有一个好处，它不需要人为指定该提取哪些特征，网络会自己找出与任务相关的部分。论文的对比实验正是为了验证这种分工是否真的比纯隐式更有效。

非对称的 actor-critic 结构在这里起了作用。训练阶段，评论家网络可以访问仿真中的特权信息，比如真实的地形高度和精确的机体速度，从而给出更准确的评价；执行阶段，策略网络只能用真机上拿得到的观测，缺失的那部分由估计器补上。RSR 在估计器里同时保留了显式和隐式两条路径，这也是它与前一代方法最直接的区别。

2.5 m/s 下的三组数字

实验任务是 2.5 m/s 的前向速度跟踪。论文设置了三组对照：纯隐式表征的 IWM 作为基线，显式加隐式的 EIWM，以及在 EIWM 基础上再叠加扭矩精修策略的完整 RSR。结果显示，EIWM 相比纯隐式基线把速度跟踪误差降低了 15.9%；再叠加扭矩精修策略后，跟踪误差相比 EIWM 进一步降低了 86.4%。

图2　三组方法在 2.5 m/s 速度跟踪任务上的误差对比（依据原文实验结论绘制）

按这两个降幅折算，完整方法最终只剩基线的十分之一左右。值得注意的是两个降幅的量级差异：显式估计带来的改进是十几个百分点，而修补仿真与真机之间的动力学差距带来的改进接近一个数量级。这反过来印证了腱驱系统的虚实差距主要出在本体动力学上，而不是感知层面。

论文对地形适应性的报告同样重要。这套方法让机器人能够在多种复杂地形上保持稳定行走，说明仿真里学到的策略确实迁移到了真机上，而不是只在原地站得住。对足式机器人来说，能站住和能走过去是两回事，后者才是虚实迁移真正过关的标志。

留下来的问题

论文自己列出的边界也值得记下。第一阶段依赖真机数据采集，意味着每换一种机型就要重来一轮，这对产品迭代节奏是实实在在的约束。扭矩精修策略在仿真中学习时变特性，其精度受仿真器本身对绳索与传动建模能力的限制，仿真器如果连基本的绳索行为都算不准，补偿也无从谈起。

第二阶段的显式估计引入了额外的网络分支，会带来推理开销，在算力受限的机载控制器上如何取舍，论文没有展开。此外，实验覆盖的地形类型与真实工业环境相比仍然有限，雨雪、松软地面、动态障碍这些场景是否同样有效，还需要更多验证。

另一个值得追问的方向是补偿的泛化边界。扭矩精修策略是在特定机型、特定负载下学到的，当机器人换了电池、加了负载，或者关节磨损导致摩擦特性发生变化时，这套补偿是否需要重新采集数据，论文没有给出答案。这关系到方法能否从实验室走向批量产品。

从更大的角度看，这篇工作的思路是把「仿真不够真」这个问题从物理建模转移到数据驱动上。不去争论绳索的刚度该怎么建模，而是让真机的关节轨迹告诉策略该补偿多少。对腱驱这类难以精确建模的机构，这条路比继续打磨仿真器更现实一些，也为其他柔性传动系统提供了一种可复用的范式。