“ 摔坏十几次换半秒前空翻。
半秒钟，5个电机。一台没有骑手的自行车机器人，完成了一个前空翻。
它没有飞轮，没有弹簧，没有控制力矩陀螺仪，没有任何一个专门用来保持平衡的机械装置。整台机器人只有5个驱动自由度，不到四足机器人（通常12个）的一半。
就靠这5个电机，它跳上了1米高的平台，最高速度跑到8米/秒，还能后轮单腿跳跃、翘头行驶、原地定点平衡。所有运动策略在仿真环境中训练完成，直接部署到物理机器人，零样本迁移，无需现场调参、二次训练。
这就是美国 RAI 研究所发表在《Science Robotics》上的 UMV（Ultra Mobility Vehicle，超移动车辆）机器人。它没有走“堆硬件换性能”的老路，反而主动给机械做减法，再靠强化学习把动态能力补回来。
01.
一台儿童自行车，长了颗23.5公斤的大头
UMV的样子很好描述。一辆自行车，但车把位置被一个巨大的“脑袋”占据了。整台机器人重23.5公斤，完全蹲伏时只有0.8米高。骨架是一辆市售的Specialized Hotwalk Carbon儿童碳纤维平衡车改的。
头部里装着电池、计算单元和跳跃电机。设计逻辑很简单，要让机器人跳得高、翻得快、平衡得好，最有效的办法是把大部分质量集中到最上面那个连杆上。
当头部通过连杆快速向上加速时，根据牛顿第三定律，它会对自行车连杆施加向下的反作用力，后轮因此猛蹬地面，整个机器人就被推起来了。这跟人起跳时甩手臂是一个道理，只不过UMV的“手臂”重得多。
平衡也是同一个逻辑。单轮着地时，如果机器人往左倒，头部就往左甩，产生一个向右的反作用力矩，把质心拉质心拉回平衡位置，原理和人类骑独轮车挥手臂一模一样。
前空翻的时候更巧妙。起跳后把头收起来，转动惯量变小，转速就快；快落地时把头伸出去，转动惯量变大，减速缓冲，平稳着陆。
跳上1米高台时，电机功率峰值达到4.5千瓦，持续0.25秒。这个数字什么概念？一台23.5公斤的机器人在起跳瞬间的功率密度，接近一辆小型电动车的电机。
UMV的设计哲学可以浓缩成一句话：砍掉所有辅助稳定装置，把问题交给算法。
没有弹簧，没有反作用轮，没有控制力矩陀螺仪，单轨窄体，没有多轨的宽支撑面。稳定、储能、缓冲这些原本由机械承担的功能，全部转交给强化学习策略。
02.
算法自己“发明”了人类车手的技巧
补硬件短板的，是一套约束强化学习框架，核心用PPO（近端策略优化）算法。
研究团队用这套算法训练了四个主要策略：驾驶、翘头跳跃、翻转、跳台。训练全程在NVIDIA Isaac Lab 仿真环境中完成，思路和教小孩学骑车很像，摔了就重来，做对了给奖励。
团队没有给机器人写任何 “先蹲、再蹬、再收腿” 的动作脚本，也没有指定精确的接触时序。他们只做了三件事：
第一，设计奖励函数，告诉机器人“什么是好的”。
奖励分三类：任务奖励权重最高，比如跟踪目标速度、跳向目标位置；风格奖励鼓励姿态稳定；正则化奖励惩罚扭矩过大、动作抖动、撞击过猛。机器人自己在试错中摸索，怎么做能拿高分。
第二，用硬性终止代替软惩罚，模拟真实硬件损坏。
一旦着陆速度超标、功率过载、关节撞极限、机身碰地，当前训练回合直接终止，重新开始。训练初期约束宽松，随着策略进步逐步收紧，让AI先学会核心动作，再学会在硬件安全边界内动作。
第三，全域随机化，逼出策略的鲁棒性。
训练时随机改动几乎所有参数：机身质量、轮胎摩擦、质心位置、电机功率、控制器增益、驱动延迟。传感器读数加噪声，还时不时给机器人推一把随机外力。策略学会了在各种“不完美”场景里完成任务，而不是只在一套精确参数下生效。
最终训练好的策略，直接拷贝到真机就能用，不需要任何现场微调、额外训练，实现零样本迁移。
更有意思的是两个自主涌现的动作，工程师根本没设计过，是AI自己在奖励空间里搜出来的。
一是摆动原地转弯。抬起前轮，靠头部左右快速摆动，带动前轮横向往复摆动，绕后轮实现原地偏航。不用前进就能转向，完全是策略自发找到的控制方案；
二是后轮跳跃滚动平衡。后轮单点跳跃接触地面时，会先向后滚一点再向前发力，靠前后滚动维持平衡，和独轮车骑手的技巧高度相似。
这两个动作，用传统控制方法很难手工编码实现。
03.
七个月，几十次摔坏，换半秒空中翻转
论文里的实测数据，把这台极简机器人的能力拉到了非常直观的量级。
最高行驶速度：8 m/s（约 28.8 km/h），超过常规四足机器人的稳态巡航速度；
越障高度：1 米，达到自身蹲伏高度的 130%；
连续可靠性：15 次自主跳台测试，起跳阶段轨迹高度重合，波动只出现在落地冲击阶段。
最难的动作是前空翻，也是工程代价最高的部分。
UMV上重下轻，着陆时轻量车架要扛住上方重块的冲击，很容易直接损毁。佐治亚理工博士生金正焕在RAI实习期间，专门攻克这个难题。
他用的方法叫迭代运动模仿（IMI），核心思路是，先生成一条物理上甚至不可行的粗略翻转轨迹当“草图”，让强化学习策略去模仿它，每迭代一次就优化一点，逐步收敛到真机可安全执行的动作。
过程非常残酷。两个学期的实习里，样机摔坏了几十次，每坏一次，硬件团队都要拆解维修。将近5个月，才做到不损坏硬件的安全着陆；又花了2个月，才做到落地后平稳过渡到行驶状态。
七个月迭代，几十次硬件损毁，换来不到半秒的稳定前空翻。
最终这套策略稳定到什么程度？RAI 研究员 Shamel Fahmi 在采访里说，现在它是实验室的访客演示项目，非常可靠，从未出过故障。
04.
不是取代腿式，是打开了新的设计空间
UMV不是要取代四足、双足机器人。地形适应性、负载能力、静态稳定性，腿式机器人依然有不可替代的优势。
UMV 的价值，是实证了一条新路线——机械做减法，计算做加法。
过去行业默认，想让机器人更敏捷，就得加更多关节、更强执行器、更精密的传动。UMV 证明，在动态运动场景下，只要学习控制足够强，极简的机械结构，也能实现很多过去只有复杂腿式机器人才能做到的动作。
当然它的局限也很明确。目前实验室测试还依赖 Optitrack 运动捕捉系统辅助状态估计，离完全机载自主户外运行还有距离；仿真与现实的差距，依然是这类方法的核心挑战。团队正在测试激光雷达惯性里程计，目标脱离动捕，实现全自主运行。
但这篇论文最关键的意义，是抛出了一个新的设计命题；当计算足够便宜、仿真足够准确、强化学习足够鲁棒时，机器人设计的第一性问题，会不会从 “我需要加什么结构”，变成 “我需要让算法学会什么”？
如果这条路走通，下一代移动机器人的成本下降，可能不来自更便宜的硬件，而来自更聪明的大脑。
论文链接：https://www.science.org/doi/10.1126/scirobotics.aed3627
