最近一位做四足机器人和人形机器人的创始人在公开分享里说了一句特别扎心的话过去十几年自己犯的最大错误就是对 AI 还不够相信。这句话放到普通行业里可能就是一句谦虚但在机器人这个圈子里它不是表态而是一个技术路线层面的战略复盘。做机器人的人都知道过去二十年里运动控制长期被传统方法主导AI 长期只扮演点缀角色。创始人说不够相信翻译过来就是很早就看见了 AI 的趋势但没有在组织层面、资源层面、技术主线层面真正押注还是习惯性地用老办法解决问题。等到 AI 范式席卷整个行业才发现自己补课的成本远高于早几年 All in 的成本。这篇文章我想从技术从业者的角度把这句话拆开揉碎聊一聊为什么不够相信 AI在机器人领域是一个致命的战略错误传统方法到底卡在哪里如果真要把 AI 变成产品核心研发团队到底该怎么调整以及那些已经踩过坑的人后来是怎么走出来的。1. 一句坦白背后的路线之争模型派与学习派1.1 机器人行业曾经确实有两条路线不接触这个行业的人可能以为机器人天生就该和 AI 绑定。但实际上很长时间里机器人行业的主流技术路线是模型派。所谓模型派核心思路是建立精确的运动学模型、动力学模型、环境模型然后基于这些模型设计控制算法。比如四足机器人走路我们先要算清楚每条腿的落点、机身姿态、地面反作用力把整个过程抽象成数学模型再用 ZMP 理论、倒立摆模型、模型预测控制MPC、全身动力学控制WBC这些工具去求解。走得稳不稳取决于你的模型建得准不准、求解器调得好不好。而学习派的思路完全不同不显式建模让算法自己在大量交互数据里学。最典型的就是深度强化学习给机器人一个目标让它不断试错通过奖励信号学会跑、跳、爬楼梯、抗扰动这些技能。传统控制是在推导行为强化学习是在进化行为。这两条路线在学术圈争论了很多年。早期学习派在样本效率上非常吃亏需要海量试错真机上根本跑不起而模型派虽然调参痛苦但在实验室环境下表现稳定加上算力限制传统方法一直是产业界的主流。国内不少机器人创业公司就是这个阶段起来的团队里控制工程师是主力AI 工程师的角色很边缘。1.2 不够相信的本质不是态度问题是资源配置问题很多人在解读创始人的那句反思时会把它理解成一个认知问题当时眼光不够、没有看到 AI 的价值。但我觉得更准确的解读是——这是一个资源配置问题。创始人对 AI 的态度大概率一直是看好的毕竟圈内人技术趋势不可能完全看不见。但看好和相信之间差着几十个 GPU、一整个仿真团队、两三条并行技术线的投入。当年的行业共识是AI 很强但还撑不起机器人的核心运动控制传统方法才是立身之本。所以研发资源自然流向确定性更高的地方控制算法组人最多仿真组其次AI 组可能就几个人承担的也是感知模块这种边角料工作比如识别障碍物、做视觉定位。真正做到运动控制主线的还是那套模型驱动的方法。等到行业风向变了头部团队开始用强化学习实现在四足和双足上的零样本迁移一个策略在仿真里训出来直接放到真机上就能走能跑泛化能力远好于精心调参的控制程序。这时候才发现当年只有几分看好的 AI现在成了决定产品上限的关键。可问题是AI 能力不是突击能补出来的它需要数据积累、仿真环境搭建、训练流程打磨、人才梯队沉淀。你省下来的押注 AI的成本会成倍变成后面的追赶成本。2. 传统控制方法到底卡在哪里从调参到泛化的双重困境2.1 手工建模与调参的效果天花板我身边做过四足的朋友几乎都有被调参支配的恐惧。传统控制方法里一个步态参数就够你调一个星期前腿跨多少步幅、机身俯仰角补偿多少、摆动腿轨迹的频率和相位、着地瞬间的阻尼系数……每一个参数都不是独立的牵一发而动全身。举个简单的例子你想让四足机器人从慢走变成快跑不能简单把速度指令调高。速度一变整个步态的周期、相位、支撑相比例都要跟着变机身姿态的稳定性边界也在变。很多团队的做法是提前做好几种步态模板慢走一套、快走一套、跑步再一套之间做切换。你永远在预设场景里打补丁永远有个下一个场景等着你重新调。更痛苦的是动力学参数变化。四足机器人的负载是从一个背包到另一个电池重心位置稍微偏移原来调好的参数就全部失效。我见过有的团队做演示时机器狗背上多挂了一个传感器就跑得整个机身都在抖最后只能临时加配重找回重心。这种问题在模型派框架下几乎无解因为你建模型时就假设了刚体质量分布是已知的、固定的一旦变了模型就不再准确。2.2 实验室与真实世界之间存在一条泛化鸿沟传统控制还有一个隐藏的脆弱点环境假设。模型派算法天然依赖精确的地面条件、载荷条件和外部扰动假设。粗糙地面、松软草地、湿滑瓷砖、上下楼梯每一个新环境都是对模型的一次挑战。我在一个实际项目里遇到过类似的情况机器狗在实验室木地板上跑得非常稳拿到户外草地上同一套参数直接醉步。原因很简单模型里假设的是刚性平坦地面草地是柔性非结构地面接触力分布完全变了模型预测反作用力根本不准确。最后团队花了一个多星期通过在线辨识参数、增加阻抗控制外层才勉强让它在草地上走起来但性能和实验室差距还是很大。而强化学习训练出来的策略天然自带泛化的基因。因为在训练时我们会做域随机化每轮训练随机改变机器人的质量、重心位置、关节摩擦系数、电机响应延时、地面摩擦力甚至随机加入外力扰动。策略在仿真里见过无数种长得不一样的世界迁移到真机时就算有些物理差异它也能找到适应方案。这就是为什么 2020 年之后强化学习在四足机器人的抗扰动、复杂地形穿越等指标上几乎碾压了传统控制方法。2.3 一个传统方法团队的规模焦虑踩过调参和泛化的坑之后传统方法团队会陷入一种规模焦虑你的方案永远无法规模化复制。每出一款新的机型哪怕只是改了一版结构设计所有控制参数都要推倒重来。每换一个应用场景就要重新经历一轮模型-辨识-调参-验证的周期。而同一个 AI 训练与部署框架可以直接从一个机型迁移到另一个机型。仿真环境改一下模型文件昨天的代码明天接着用。这种以不变应万变的能力才是创始人那句不够相信背后真正让人惋惜的东西——不是某几个参数比不过别人而是整个工程范式的代差。3. 真正相信 AI 意味着什么从感知辅助到大脑小脑一起换3.1 强化学习如何接管运动控制这条主线现在很多机器人团队把运动控制的主线切换到了强化学习整个流程也相对标准了。我按实际经验说一下关键环节。第一步是搭建仿真环境。常用的仿真器有 MuJoCo、Isaac Gym 这类把机器人的 URDF 模型导入定义关节作动器、接触模型、传感器。你不需要一个无限物理精确的仿真但接触模型一定要合理不然后面的 Sim2Real 会非常痛苦。第二步是设计马尔可夫决策过程也就是明确状态、动作和奖励函数。状态一般包括机身线速度、角速度、机身在欧拉角、各关节角度与角速度可能再加上一些接触信息。动作的定义有两种主流做法一种是把策略的输出作为关节位置的目标值交给底层 PD 控制器执行另一种是直接输出关节力矩。前者更稳定、更容易训练后者上限高但难度大很多团队初期都选前者。奖励函数是整个训练里最考验功力的部分。你希望机器狗前进就给前进速度奖励希望它走姿优雅就压低机身震荡和关节点速度惩罚不希望它打滑就增加对足端滑移的惩罚。奖励设计不是一次能成功的我见过有团队为了调一个愿意往前走但又不跑偏的奖励函数迭代了上百组权重。第三步是策略训练。主流算法是 PPO超参数选择上学习率、裁剪系数、GAE 的 lambda 这几个对训练稳定性影响最大。训练规模方面一个四足运动策略在单张中高端显卡上通常几小时到一天就能收敛人形双足策略要复杂不少通常需要在集群上并行训练动辄几天。这也是为什么现在做机器人的团队必须在算力上投入AI 训练是一个大概率让你显卡吃满的工作负载。第四步是 Sim2Real 迁移。现在业界能实现零样本迁移——即仿真训练完直接把策略部署到真机不需要真机数据微调。但前提是仿真里做了充分的域随机化包括质量随机化、电机输出延迟、摩擦系数、载荷偏移等。真机部署时还要注意底层 PD 控制器的频率、通信延迟、状态估计的噪声都要与仿真尽量对齐否则差一个数量级都会导致策略崩溃。3.2 奖励函数设计与仿真训练里的隐藏猫腻奖励函数设计是我最想单独拎出来强调的环节。很多入门团队一上来就设置一个前进速度正奖励结果训练出来的策略非常鸡贼机器人学会往前摔倒然后爬起来或者用奇怪的姿势翻滚前进因为这样也能获得前进速度。这时候就需要加约束项关节角速度惩罚、机身姿态惩罚、足端滑移惩罚、动作变化率惩罚。这些术语看起来很专业本质就是给行为加边界让机器人不能为了目的不择手段。另外一个容易踩的坑是过度利用仿真 Bug。例如有的团队为了获得更多奖励让机器人学会用关节接触地面借力——这在仿真里可以有效减少机身晃动但真机上关节那么硬直接就会把结构干弯。所以训练完成后一定要找到几个高分但怪异的策略回放看一下确认行为在物理上合理才考虑部署。仿真训练还有个现实问题不是仿真器精度越高越好而是仿真器速度 域随机化范围更重要。你能在十亿次采样里见过足够多的身体变异策略就会越稳你只有一百万次采样但物理精度超级高策略还是脆。这个取舍很多人想不明白。3.3 大模型带来的认知层重构机器人不仅仅需要小脑运动控制像是机器人的小脑负责走得稳、跑得快。但相信 AI还有另一层含义——认知层面也要交给 AI。这就涉及到多模态大模型与机器人的结合。过去机器人执行任务需要工程师把任务一步步拆解成代码指令走到桌子前停下伸出手抓杯子的把手抬起来。这里的每一个环节都是预先编程的环境稍有变化就执行不了。现在比较靠谱的做法是多模态大模型做感知与任务规划。它能接收自然语言指令结合摄像头画面、激光雷达数据把帮我把桌上的水杯拿过来翻译成一个子任务序列定位水杯、路径规划、走近、调整位姿、抓取、返回。然后每一步的运动/操作任务交给专门的策略模型来执行。这个框架里AI 不再是某个模块而是整个系统的核心调度者。如果你只把 AI 当作感知附件那你是无法在这个层面和对手竞争的。还有一条线是数据闭环。真正让 AI 越用越强的是数据机器人在真实环境里反复执行任务遇到失败、纠正、再尝试这些数据回流到训练流程里持续改进策略。这需要机器人产品真正在场景里跑起来有真实用户使用。这也是很多公司明知道可能亏损也要先铺量推广产品的原因——没有量就没有数据没有数据就没有智能化壁垒。4. 创业团队如何把相信 AI从口号变成组织能力4.1 人才结构必须从控制主导转向AI 主导这句话说起来容易做起来是血淋淋的组织调整。过去机器人公司的默认配置机械组一群人做结构设计嵌入式组做驱动控制组做算法感知组做视觉AI 组几个人做加分项。真正押注 AI 之后整个配比要反转机械和嵌入式依旧重要但算法和 AI 工程师的比例要大幅提高。更关键的是传统控制工程师需要转型学习强化学习、学习训练流程、理解 Sim2Real而不是守着原来的 MPC 项目不动。这个转型并不容易很多做了十几年控制的工程师骨子里是不信任调奖励函数这种看起来不严谨的方式的。但行业趋势不会因为个人偏好而改变。我见过比较成功的转型团队做法是让控制组的人先做一个四足行走策略从零训练的内部 Demo给他们一周时间把 PPO 跑通让他们亲眼看到一个没有显式建模的策略在仿真里学会各种步态再对比自己以前调参数的效率。一次实操胜过十次说服。4.2 仿真与算力基础设施新团队的隐形门槛很多传统硬件团队转型 AI 时最大的一个不适应是硬件成本不再是最大的资金消耗了算力成本才是。一个认真做人形机器人运动控制的团队早期至少需要几十张高端 GPU 的算力规模中后期做数据闭环、大模型微调、联合训练集群规模还要翻数倍。仿真团队的价值也被严重低估。业界成熟的团队仿真工程师和算法工程师的比例几乎接近 1:1。仿真环境的逼真度、并行采样效率、域随机化设计、与真机系统的时间同步这些决定了一个算法团队能跑多快。可以说仿真平台就是机器人公司的核心竞争力。另外新团队最容易忽略的是真机数据采集系统。做真实场景的遥操作采集、动作捕捉、传感器日志同步记录这些脏活累活决定了你后续微调策略的上限。等到产品都发布了你才想起来补数据管线那团队会在后面半年里一直处于缺数据的状态。4.3 路线判断失误的代价一个成本估算的视角说一个偏经验主义的估算传统控制方法做一个新机型的稳定步态假设需要三个月主要成本是工程师调参时间和反复真机实验强化学习路线搭建训练流水线第一个机型可能需要三到四个月但第二个机型复用流水线可能只需要三到四周。这是典型的初期投入大、边际成本递减。如果一家公司在两个机型上都选择了传统路线表面上看每款都按期交付了但对手如果用 AI 路线做完了三个机型还沉淀了一套训练流水线、一批优质真机数据、一个可复用的仿真平台。到了第四款产品对手可能两个星期就能出一版稳定步态而你还得从零开始调新机型参数。技术代差就是这么滚出来的。算上市场窗口晚六个月发布新一代人形机器人产品在融资节奏、客户试用、供应链话语权上都会有明显劣势。这个时间成本远不是省下几张 GPU 的采购费能对冲的。5. 踩坑之后回头看的几条实操教训5.1 早期判断一项技术是否值得押注可以用三个信号第一看顶级学术会议论文主题的变化趋势。如果一个方向在 ICRA、CoRL、NeurIPS 上连续两三年占比明显上升而且不是纯学术表演是带有开源代码和真机验证的工作那大概率是范式转移的前夜。第二看开源社区的基线表现。如果开源项目里强化学习训练出来的四足策略已经能跑赢精心调参的传统控制算法而且代码可以复现那不用犹豫这个方向已经在产业落地边缘了。开源项目跑一次比看一百篇论文都有说服力。第三看人才市场信号。当对口高校培养的 AI 算法工程师开始大量涌入机器人公司而且薪资显著高于传统控制岗位时说明资本和行业都已在投票。你可以不信某个人的观点但最好别和整个市场的资源配置方向做对。5.2 给研发管理者的几条具体建议第一条建议给 AI 团队殴打传统方案的机会。很多公司里 AI 团队边缘化不是因为老板不重视而是因为没有明确的战场——他们做的事情只是感知识别没有碰核心控制都不需要地碰主线。你要做的是拉一个具体的性能指标比如在随机地形上的鲁棒性受到强烈外力扰动后的恢复时间让 AI 方案和传统方案进行 PK。谁赢下一步资源就听谁的。第二条建议AI 不是招几个算法工程师就完事要配套建设仿真、数据、算力这三个底座。你招了十个 PPO 高手但公司只有两台能跑实验的显卡他们也只能天天写文档。第三条建议鼓励小成本快速验证。不要让团队憋大招搞六个月后一鸣惊人的项目。最好的做法是每两周出一个新策略上真机跑一轮跑失败了就分析失败原因、修奖励函数、重训。这种小步快跑的频率比那种一年憋一个大版本的模式有效得多。第四条建议别把 AI 化当成一次性改造。技术路线永远在演进今天的强化学习可能在几年后又被别的范式挑战。保持团队对技术信号的敏感度比绑定某个具体方法更重要。但前提是你已经在牌桌上拥有 AI 工程化能力否则下一个风口来临时你依然只能喊当年如果。5.3 最关键的一句话别把 AI 当锦上添花它是产品本身创业者对 AI 的不够相信通常表现为一种技术应用观的偏差认为 AI 是未来会越来越强的工具而不是产品形态和体验的底层定义者。打个生活化的比方这就像智能手机时代有人把触摸屏当作一个屏幕配件而另一些人把它当作重新定义手机交互的核心。后者的产品一定不是前者的二十年。机器人行业也是一样。如果产品的核心壁垒是运动能力、环境适应能力、任务泛化能力、自然交互能力那么 AI 就是那个决定壁垒高度的变量。它不该在组织架构图上挂在创新实验室下面而应该站在产品研发流程最中央的位置。我自己在这几年也做过一些小型机器人仿真控制实验。最初用的完全是传统路线调 LQR 权重、调步态参数在仿真固定场景里表现得不错可一换地形整个策略就土崩瓦解。后来咬牙花了两周时间重新搭强化学习训练流程训出来一个策略扔进仿真测试原本要调一个月的问题用奖励函数和域随机化直接跑通了。那两周给我的冲击确实非常大。延迟两年去追一个技术方向和一开始就站在那个方向上中间的差距就是那句对 AI 还不够相信背后真正的代价。