人形机器人怎么学会走路？Asimov把训练代码整套开源了

一台人形机器人从摔跤到走稳，中间那套训练方法通常是公司最不愿意拿出来的东西。9月25日，Asimov 1的开发团队Menlo Research把它整套公开了：行走策略连同训练代码，一起放上GitHub。

公开的内容包括基于英伟达Isaac Lab的训练框架、奖励函数定义、按真机调校过的执行器配置，以及域随机化设置。奖励函数决定机器人“走对了”该加分、打滑或动作突变该扣分；域随机化则在仿真里故意改变脚底摩擦、关节初始位置和执行器增益，再加上推搡干扰和带噪声的传感器读数，让学出来的步态不只在理想仿真里成立。

训练算法支持强化学习的PPO，团队推荐的配置再叠加对抗运动先验（AMP），用参考动作引导机器人走得更像人。机器人配置文件里逐个关节写了力矩上限、刚度、阻尼、摩擦和执行器延迟，硬件改了，开发者可以在这里同步改仿真参数。

上手门槛写得很清楚：官方给出一条约10分钟就能在RTX 4090上跑完的小规模测试命令；复现基线策略时用4096个并行仿真环境，官方在A6000和RTX PRO 6000上训练，也支持多卡分布式训练。代码仓库采用BSD-3-Clause许可证，可商用。

团队的原话是：“我们迈出了第一步，接下来由你来建造。”官方建议开发者拿这套代码去适配硬件改动、尝试不同步态，或者往上叠新能力。团队还计划办社区直播，在真实的Asimov 1上测试开发者提交的策略。

Asimov 1本身就是按开源路线做的人形机器人：身高1.2米、体重35公斤，单臂额定负载5公斤、峰值15公斤，机载计算是树莓派5加Radxa CM5。整机的物料清单、CAD和仿真文件此前已经公开，DIY套件现在官网标价2万美元，预付499美元定金排队，官方估计组装约需20小时。

硬件图纸、仿真环境、行走策略和训练代码都放出来之后，想做人形机器人研究的小团队，第一次能从一台真机的完整软硬件栈起步，而不是从零写一个会走路的控制器。