贾浩楠 发自 凹非寺
量子位ROBO | 公众号 AI4ROBO
我敢说，这只小螃蟹摆学校门口，大概率要卖爆：
1.8kg，跑跳自如：
走路、跳跃、变换步态、做舞蹈动作，这些看起来像提前编好的“节目”，现在都可以从代码和训练环境里重新做一遍。
相关视频下最密集的问题是：“哪里能买？”
不过现在，你可以自己训一只。
从机器人模型、仿真场景，到强化学习训练、动作控制，再到模型部署，全部开源。
这只机器螃蟹到底能玩什么？
Jumper最容易让人记住的动作，就是跳：
它是一台22自由度的六足机器人，机身约400×400×200mm，重量约1.8kg，官方给出的最大跳跃高度为400mm以上。
这意味着它的运动方式已经超出了常见小型轮式机器人的范畴：六条腿需要同时完成支撑、蓄力、起跳和落地，身体还要在整个过程中保持稳定。
而跳跃只是其中一个技能。
目前Jumper的开源项目已经提供了行走、姿态、手势、舞蹈、跳跃、抓取等示例动作，也支持不同的六足步态。官方展示的玩法里，同一台机器人可以在不同运动模式之间切换。
这些动作背后对应的是不同的训练任务。开发者可以修改任务配置、奖励函数和控制参数，再重新训练策略。
于是玩法就发生了一点变化。
以前看到一只机器人跳舞，重点是看它能做什么；把Jumper的代码打开之后，更值得看的问题变成了：如果换一个任务，它还能学会什么？
整个过程也可以先在电脑里完成。
仓库提供了Jumper的MuJoCo模型和训练环境，支持GPU和CPU两种仿真路径。官方教程已经把训练、回放、策略导出和打包串成了一条完整流程。
所以，如果只是想体验，电脑上就可以开始；想继续折腾，可以自己改场景、改任务、改奖励函数，再训练新的动作。
而要让这些动作最终出现在一台只有1.8kg的实体机器人身上，真正麻烦的部分还在身体里面。
小螃蟹为什么能这么灵活？
机器螃蟹怎么知道自己的腿现在在哪里？
答案是编码器。
机器人关节在运动过程中，需要持续获得位置反馈，Jumper核心器件之一，就是磁编码器。
Jumper有22个关节使用触觉舵机，每个舵机内部配置两枚编码器，可以分别获取电机端和关节端的信息。这样一来，控制系统面对的就不只是“电机转了多少”，还可以进一步观察减速机构之后的关节状态。
这套设计对于小型机器人尤其重要。关节越小，内部空间越紧张；运动越快，对反馈和控制的要求越高。双编码器产品本身就强调小尺寸、高分辨率和环境抗干扰能力，例如DPT系列双编码器采用两个24位绝对值输出，标称绝对定位精度可达±0.01°。
到了Jumper这里，这些底层器件被放进22个关节，再往上接控制和强化学习。
打开Jumper的GitHub，会发现它交出来的东西远比一个动作Demo多。
最底层是机器人模型和仿真环境，除此之外还有Jumper本体模型，以及不同环境；往上是强化学习任务，项目基于MuJoCo、MuJoCo Warp、mjlab和rsl_rl搭建训练链路，同一套任务、奖励和PPO代码可以在GPU和CPU两种物理后端运行。
再往后，就是策略部署。
训练出来的模型可以导出为ONNX，再转换到RKNN，并通过Jumper自己的控制器和状态机继续向机器人端走。项目还设计了app形式的动作Bundle，把策略、控制器以及不同运行环境所需的内容打包在一起。
甚至连AI辅助开发也放进了项目，开发者给出的使用方式很直接：把项目交给AI coding assistant，通过自然语言完成外观、动作和场景相关的开发任务。
于是，一条比较完整的DIY路径就出来了：
跑仿真 → 改任务 → 训练动作 → 导出策略 → 打包 → 尝试部署。
但这里也有一个很重要的边界。
Jumper目前开放得比较深的是软件和AI开发链路，完整整机硬件资料并没有全部公开。机械CAD、生产BOM、PCB设计、电气原理图以及完整舵机制造资料，都不足以支持普通开发者直接从零复刻一台完全相同的Jumper。
甚至软件到真实硬件之间也还存在开发中的环节。项目文档明确写着，目前RKNN在真实板卡上的推理尚未完成验证，1kHz控制器循环也还没有驱动真实电机总线。
所以现在更准确的玩法，是自己开发Jumper的软件技能和仿真能力，再根据硬件条件继续往实体机器人推进。
Jumper背后的团队
Jumper背后是金钢科技，创始人梁正。
公开资料中并没有梁正的教育背景，但他自述早期就对机器人感兴趣，大学选择机械专业，毕业后很快开始创业。
最初的想法其实很“大”：无人机、轮式底盘、机械臂、夹爪等模块都想装进机器人里，还曾用当时价格不低的英伟达GTX 1080训练神经网络，尝试做目标识别和动作控制。
但真正做起来，很快碰到了一个现实问题：机器人每增加一个自由度，就会增加一层机械、控制和感知难题，而当时市面上的机器人编码器很难同时满足小尺寸、高精度和成本要求。
于是他开始重新看这个问题：如果机器人要变得更小、更灵活，首先需要解决的可能就是关节里的“感知”。
这个判断后来成为金钢科技的技术起点。梁正从机器人整机转向编码器，核心原因很现实——整机当时缺少成熟的商业条件，但编码器是几乎所有机器人关节都需要的基础器件，小型化、高精度的机器人专用产品又存在明显缺口。
于是，金钢科技从一个很具体的零部件切了进去。此后产品路线逐渐从磁编码器扩展到双编码器、三编码器、触觉舵机，再走到Jumper小机器人。中国科学院大学校友活动对公司的概括也很直接：编码器→舵机→小机器人。
这条路线，也能解释为什么今天的Jumper会长成现在这个样子。
金钢此前主要面对的是机器人厂商，编码器和舵机最终装进别人的机器人；到了Jumper，公司开始自己定义机器人本体、软件和技能。此次把仿真、强化学习、控制器和部署工具一起开源，相当于把开发入口进一步向机器人开发者开放。
从第三方角度看，这里面至少有一个比较直接的目的：让更多人参与到Jumper的二次开发中。
一台小型机器人能做什么，单靠厂商自己设计，玩法终究有限。把仿真环境和训练工具放出来之后，开发者可以自己改场景、改任务、训练新动作，再把实际效果反馈回来。对于Jumper来说，这同时也是在寻找真实使用场景的一种方式。
普通开发者究竟会拿一台这样的机器人做什么？
Jumper开源项目里已经预留了外观、动作、场景和AI辅助开发的工具链，官网也在展示家庭、巡检、分拣等更多应用方向。最终哪些场景真的有需求，仍然需要市场和开发者继续验证。
因此，这次开源也可以看作金钢的一次产品实验：除了把自己积累的机器人软件能力交给开发者，更重要的是观察这些人会把Jumper带到哪里。
最终，有可能进一步形成稳定的开发者生态，也有可能找到创业公司自己都想不到的落地场景。
项目地址：https://github.com/KingKongRobotics/jumper-design
开源社区：https://beunlimited.me/
