当一只四足机器人在楼梯前自动从“小跑”切换成“跳跃”，在树根盘绕的林间小径上灵活保持平衡，在悬崖边缘稳稳跨过缝隙——它不再是执行预设程序，而是像动物一样，自己决定“怎么走”。

KAIST（韩国科学技术院）机械工程系朴海元教授团队，在7月16日宣布了一项突破性成果：开发出能够实时自主选择并切换多种步态的四足机器人控制技术，让机器人在真实户外环境中实现高速与稳定的兼得。

▍8分钟生成15.5小时训练数据，比动作捕捉快得多

这项技术的核心是名为APT-RL（基于Transformer的行动预训练强化学习）的全新控制架构。团队没有依赖传统的动作捕捉技术记录动物运动，而是仅用计算机模拟，在短短8分钟内生成了15.5小时的训练数据，涵盖了行走、奔跑、跳跃等多种步态，结合机器人动力学模型和轨迹优化技术，高效“教”会机器人基础运动能力。

随后，团队应用强化学习，让机器人通过反复试错，自主学会在复杂三维地形中——楼梯、岩台、缝隙、倒木——选择并切换最合适的步态。最后，通过融合深度相机与激光雷达，机器人能够实时识别周围环境和目标速度，自主决策“下一步怎么走”。

▍野外实测：22公里/小时，自动切换步态

团队在自家四足机器人“KAIST HOUND”上验证了这项技术。实验不仅在室内障碍赛道进行，更在真实的KAIST校园和森林步道中展开。

结果显示，HOUND能够稳定穿越楼梯、草地、坡地等城市地形，以及倒木、裸露树根、落叶覆盖的崎岖自然路径，实时切换步态适应环境。在不规则地形和障碍物中，机器人达到了每秒6米（约22公里/小时）的瞬时峰值速度——比普通人骑自行车的速度还快。

实验还显示，HOUND根据地形和目标速度自动选择并切换小跑（交替斜腿）和跳跃（前后腿成对跳跃），将行走、奔跑、跳跃和越障整合到一个控制器中——这是四足机器人控制领域的一次重要突破。

▍登顶《科学机器人》7月刊封面

该研究被选为全球机器人领域顶级期刊《科学机器人》7月刊封面论文，于7月15日发表。

朴海元教授表示：“这将成为拓展基于物理AI的步行机器人在灾难现场、国防任务和工业设施检查等恶劣环境中应用的基础技术。”

当机器狗不再需要人为切换模式，而是像真正的动物一样，看一眼路就能自己决定“小跑过去”还是“跳过去”——物理AI的“通用移动能力”，正在从实验室走向真实的荒野和废墟。