宇树Go2四足机器人体验：交叉步与倒立新功能

宇树（Unitree）Go2 四足机器人自发布以来，凭借轻量化设计和 AI 大模型加持，成为消费级仿生机器人领域的热门产品。近期有 B 站 UP 主在视频中展示了 Go2 Air 在电脑模式下新增的交叉步与倒立功能，让我们得以一窥这款机器人的运动控制能力。

电脑模式新增功能：交叉步与倒立

据 B 站 UP 主分享，在电脑模式中，Go2 新增了“交叉步”功能。开启后，机器人四条腿会依次交叉迈步，形成一种独特的行走姿态。从截图可以看到，机器人腿部动作呈现出明显的交叉轨迹，而非传统的平行步态。

UP 主在视频中描述：“现在这里有一个交叉步开，它就这样交叉步可以开的，通过交叉步然后它就这样一个一个后面一个。” 这种步态虽然看起来简单，但背后涉及复杂的关节协调和平衡控制。

除了交叉步，Go2 还新增了“倒立”功能。UP 主提到“它有一个功能是倒立”，但视频中未能完整展示倒立动作的细节，仅以“通过这个功能就会滑”来描述。这或许意味着倒立功能需要特定地面条件或操作技巧。

功能背后的技术逻辑

交叉步和倒立属于四足机器人运动控制中的进阶步态。传统四足机器人多采用对角步态（trot）或跳跃步态（bound），而交叉步要求机器人在行走过程中协调前后腿的交叉顺序，对关节伺服精度和实时平衡算法提出更高要求。宇树 Go2 搭载的 AI 大模型可能在其中扮演了步态生成与自适应调节的角色——通过强化学习训练出多样化的运动策略，再以固件更新的方式推送给用户。

倒立功能则更考验机器人的重心控制和关节力矩输出。当机器人仅靠两条腿支撑时，需要快速调整其余关节以维持稳定，这通常是展示机器人动态性能的“炫技”功能，但也为后续开发更复杂的平衡控制应用提供了基础。

对角步态（trot）与跳跃步态（bound） 是四足机器人最基础的两种动态步态。对角步态中，机器人对角线的两条腿（左前+右后、右前+左后）成对同步摆动，类似小跑，具有较高的能效和稳定性，是多数消费级四足机器人的默认步态。跳跃步态则让前后腿分别成对运动，类似兔子跳跃，速度更快但对平衡控制要求更高。交叉步不同于上述两者，它要求四条腿按特定顺序交叉迈步（如左前→右后→右前→左后），形成类似人类“走猫步”的轨迹。这种步态对关节伺服精度、实时步态规划与落足点选择提出更高要求，因为交叉时腿部容易发生干涉，且支撑多边形变化更复杂。

强化学习（Reinforcement Learning, RL） 在四足机器人步态生成中扮演关键角色。传统步态控制依赖手工设计的模型预测控制（MPC）或虚拟模型控制（VMC），需要精确的动力学建模。而强化学习让机器人在仿真环境中通过试错自主学习运动策略：设定奖励函数（如保持平衡、前进速度、关节力矩最小化），经过数百万次迭代后得到神经网络控制器。宇树 Go2 搭载的 AI 大模型很可能利用 RL 训练出多样化的步态库，再通过固件更新推送给用户。这种方式的优势在于能生成传统方法难以设计的非常规步态（如交叉步、倒立），并具备一定的自适应能力。

重心控制与关节力矩输出 是倒立功能的核心难点。当四足机器人仅靠两条腿支撑时，支撑面积极度缩小，系统变为欠驱动状态，需要实时调整其余关节的角度和力矩来维持零力矩点（ZMP）在支撑区域内。这涉及全身动力学求解与高频力矩控制（通常需 500Hz 以上的控制频率）。倒立时机器人还需克服重力矩，对关节电机的峰值扭矩和散热能力提出考验。Go2 Air 作为轻量化版本，电机功率有限，因此演示中出现滑动可能源于力矩不足或地面摩擦系数不够。这类功能通常作为动态性能的“炫技”展示，但也为后续开发双足站立、单腿平衡等应用奠定基础。

体验与局限

从 UP 主的简短演示来看，交叉步功能已能稳定执行，但倒立功能似乎存在滑动问题。这提示用户在实际操作中可能需要选择摩擦力较大的地面，或等待后续固件优化。你可能没注意到，这些功能目前出现在“电脑模式”中，意味着用户需要通过 PC 端软件进行控制，而非手机 App 直接调用，操作门槛略高。

对于 Go2 Air 轻量化旗舰款而言，新增功能进一步拓展了其可玩性。但受限于视频素材的简短性，交叉步的流畅度、倒立的成功率等关键指标尚无法全面评估。建议感兴趣的用户关注宇树官方后续的详细教程或社区分享。

总结

宇树 Go2 通过电脑模式新增交叉步与倒立功能，展示了消费级四足机器人在运动控制上的持续进化。交叉步的加入让步态更加多样，倒立功能则提供了更高的动态性能展示空间。尽管当前演示信息有限，但足以看出宇树在软件迭代上的投入。对于已入手 Go2 的用户，不妨尝试更新固件并探索这些新功能；对于观望中的消费者，这些进阶功能或许能成为决策的加分项。