2026-09-24
KAIST把损耗模型、驱动电路和强化学习运动策略做成RAIBO2，单次充电4小时19分52秒跑完马拉松，COT 0.25低于人类0.37，行程超三倍。
四足机器人要持续用关节力矩撑住体重，落足还会把动能耗掉，续航一直短于轮式平台。以往工作多半只改硬件或只改控制里的一块损耗。KAIST 机器人与人工智能实验室把整机能量损耗放到一张账上，做了 RAIBO2：力透明的轻量化机械、低电阻电机驱动电路，再配一条低耗散的运动策略。
Nature 正文在付费墙后，下面的机制细节来自摘要、图注、Extended Data 说明和论文自己挂出的代码/数据入口，训练超参、完整消融表和马拉松分段曲线的原文数字没有取到。
公开材料把效率拆成三条并行的线。机械侧强调力透明和减重，驱动侧强调低电阻功率级。策略侧是强化学习出来的 locomotion policy：actor-critic，输入同时走本体感觉和特权信息，在 Raisim 仿真里用课程训练。地形按最大足端接触角分成三类：坡地与丘陵、普通台阶、带突沿和圆管的楼梯。
Extended Data 还标了两条和能耗直接相关的奖励：执行器焦耳损耗，以及碰撞。跑步机对照实验比较了所提控制器和基线的足端速度、接触瞬间和膝关节力矩分布。硬件消融覆盖 PCB 铜厚、栅极电阻（RAIBO2 用 10 Ω，对照 Infineon 评估板 180 Ω）、开关频率和电流采样方式。仿真里用 RL 控制器给出的真实步态剖面，扰动硬件参数看总损耗和运输成本（cost of transport, COT，单位体重单位路程的能耗）怎么变。
完整网络宽度、PPO 超参和奖励权重表在 Extended Data Table 2–3 里，落地页只给出表名，没有把格子里的数字展开。不要把这些表当成已读原文。
摘要给出的主结果是一次真实马拉松：单块电池跑完 42.195 公里，用时 4 小时 19 分 52 秒，COT 为 0.25，低于文中引用的人类基准 0.37。相对既有四足，单次充电行程超过三倍。损耗分析那张图的电池能量标成 1,447 Wh。论文把对比数据放到 Zenodo，图 1 的跨机器人/动物/车辆表是公开的；主文里的逐机对照数字仍在付费墙后。
Extended Data 承诺了奖励消融和驱动电路消融，补充视频标题写明碰撞奖励会改变跑步机上的步态。没有全文，这些消融的幅度不能转述。
腿式机器人的宣传口径经常停在能跑、能爬。这篇把续航写成可以和人类 COT 对打的工程指标，并且承认答案不在「再堆一个更大的网络」，而在损耗模型、功率级和策略奖励一起改。对做 sim-to-real 腿式控制的人，可复用的部分是焦耳损耗奖励和碰撞奖励这类直接打能耗的项，以及用真实策略剖面反标硬件参数。
代码和数据是公开的：策略训练在 GitHub 的 raisimGymnature，实验记录在 Zenodo。想复现的人不必等付费墙。
主文没拿到，奖励权重、网络规模、对照控制器是哪一条、马拉松当天的风速路面和电池温度，全都无法核对。摘要写「超过三倍行程」，分母是哪些量产四足、是同一速度还是同一负载，正文才能回答。
COT 0.25 对人类 0.37 是运输成本，不是配速。4 小时 20 分左右的马拉松对人类业余选手算能完成，对世界纪录差一倍。把「低于人类 COT」读成「比人更能跑」会错。硬件贡献和策略贡献没有在公开材料里拆开，所以不能把这场马拉松记成一次纯 RL 胜利。