卷六 · 腿足机器人运动控制 / 全身控制 / 遥操作 · 高频面试题
中文具身智能秋招高频面试题库 · 第六卷 题源：牛客 / 知乎 / CSDN 公开面经 / OpenLoong 项目文档 / MIT-Cheetah 论文 / 各大人形项目 arXiv 论文 / 公司公开招聘 JD 同义题合并后 48 题（主表 45 题：频次 ≥3 + 低频备选 3 题）
难度分布：L1（必会） 5 · L2（进阶） 36 · L3（顶级/前沿） 4 （低频备选另计：L2 ×2 / L3 ×1）
使用方式：题目默认折叠，点开看答案。建议按 L1 → L2 → L3 顺序刷；同级内按频次从高到低。手机端原生支持。
与其他卷的关系：本卷与卷二（RL 算法）在 PPO / curriculum / domain randomization 上有意保留少量重叠——视角不同：卷二讲算法本身，本卷讲算法怎么用在腿足上。
§1 浮动基座 / 动力学 / 接触建模（7 题）
腿足机器人的物理基础：浮动基座意味着无法用固定机械臂的那套运动学/动力学公式，必须显式建模接触。
L1 🔥×5 Q01 · 什么是浮动基座（floating base）？腿足机器人为什么不能直接用固定基座机器人的运动学 / 动力学公式？
答：浮动基座：躯干在世界坐标系无固定连接，姿态由 6 自由度自由变量描述（3 平动 + 3 旋转），靠脚-地接触约束被动维持位置。
与固定基座区别：
- 固定机械臂：广义坐标 $q \in \mathbb{R}^n$；动力学 $M\ddot q + C\dot q + g = \tau$
- 浮动基座：$q = [q_b, q_j]$，前 6 维基座无主动驱动，需接触力"驱动"基座
实务建模：base 作 6-DoF 虚拟关节挂到 world，用 Featherstone 浮动基 RNEA / ABA 求解——Pinocchio / Drake / RBDL 都这么做。
易错：不要把"浮动基座"和"欠驱动"混为一谈——浮动基座说的是建模方式，欠驱动说的是控制特性。是否欠驱动取决于接触模型 / 约束秩：飞行相、点足接触、动态步态通常欠驱动；平足刚性支撑可近似为受约束全驱动。
L2 🔥×4 Q02 · 雅可比矩阵在腿足机器人里的作用？接触雅可比和任务空间雅可比的区别？
答：雅可比 $J(q)$ 把广义速度映射到笛卡尔速度。腿足里两类雅可比：
| 接触雅可比 $J_c$ | 任务雅可比 $J_t$ | |
|---|---|---|
| 作用 | 把接触力反向映射到广义力 $\tau_c = J_c^\top \lambda$ | 描述足端 / 质心 / 躯干姿态速度 |
| 用途 | 浮动基座动力学约束 / MPC 摩擦锥 | WBC / OSC 跟踪目标 |
关键约束：脚不滑时 $J_c \dot{q} = 0$；微分得 $J_c \ddot{q} + \dot{J}_c \dot{q} = 0$，是 WBC 等式约束的标准形式。
易错：浮动基座的雅可比形状是 $J \in \mathbb{R}^{m \times (6+n_j)}$，前 6 列对应 base——不要只对关节求导；两类雅可比都必须包含 base 部分才能在浮动基座下成立。
L2 🔥×3 Q03 · 摩擦锥 friction cone 是什么？为什么在 MPC / WBC 里通常做成线性化金字塔约束？
答：摩擦锥：地面接触力的物理可行域，约束法向力 $f_n \ge 0$（不能拉脚）和切向力 $|f_t| \le \mu f_n$（库伦摩擦不滑）。几何上是一个以法向为轴、半角 $\arctan\mu$ 的圆锥。
为什么线性化：原始摩擦锥是二阶圆锥约束（SOCP），求解器慢；常用 4 边或 8 边金字塔近似，把约束变成4 / 8 条线性不等式，整个优化变成 QP，OSQP / qpOASES 这类 QP 求解器可以 < 1 ms 解。
线性化代价：4 边内接金字塔保守（切平面面积比圆锥小约 36%）但安全——不会让机器人违反真实摩擦；8 边内接更贴近圆锥；外接矩形（$|f_x|, |f_y| \le \mu f_z$）反而不保守，角点会超出圆锥。生产里 4 / 8 边内接是常见取舍。
易错：摩擦锥约束 $|f_t| \le \mu f_n$ 是非线性的，不是简单 $|f_t| \le \mu f_{n,\max}$；不要在写 QP 时把 $f_n$ 当常数。MIT Cheetah Convex MPC 通过同时把法向力和切向力作为决策变量、配合金字塔近似，把整个问题变 QP。
L2 🔥×4 Q04 · 质心动力学（centroidal dynamics）和单刚体模型（SRBM）有什么区别？为什么 MPC 常用 SRBM？
答：两者都是简化模型，但抽象层次不同：
| 单刚体模型 SRBM | 质心动力学 | |
|---|---|---|
| 假设 | 把整机当一个刚体，惯量矩阵常数 | 用整机的质心动量 $h_G$ 描述系统状态 |
| 状态 | 质心位置 / 姿态 / 速度 / 角速度 | 线动量 + 角动量 + 质心位置 |
| 输入 | 各支撑足的接触力 $f_i$ | 同上（接触力直接产生动量变化率） |
| 用途 | MIT Cheetah 凸 MPC、Convex MPC | 更精细的 NMPC / WBC 内的质心任务 |
为什么 MPC 偏爱 SRBM：① 假设腿质量小 + 惯量近似常数后整个动力学变线性；② 加上摩擦锥金字塔近似后整个问题是 QP，可 100-500 Hz 解；③ 实测在四足上效果已经够好。
易错：SRBM 忽略了腿的惯量——快速摆腿时会有几个百分点的建模误差；高动态任务（跳跃、奔跑）需要全身动力学或质心动力学补偿。质心动力学不等同于 SRBM，前者是更通用的降阶表达。
L1 🔥×3 Q05 · 什么是 ZMP（零力矩点）？和 CoP、Capture Point、DCM 是什么关系？
答：ZMP（Zero Moment Point）：地面上一个虚拟点，绕该点地面反力对水平面的力矩为零。当 ZMP 严格落在支撑多边形内，机器人不会绕支撑边沿翻倒；落到边沿则机器人即将倒下。
几个概念对比：
- CoP（压力中心）：实际地面反力的"加权重心"。ZMP = CoP 当 ZMP 落在支撑多边形内；落出去 ZMP 不再有物理意义，CoP 仍在边界上
- Capture Point：机器人当前状态下，若立即把脚踩到该点上，就能在不再迈步的情况下回到静止
- DCM（Divergent Component of Motion）：质心动量的发散分量，是 Capture Point 的通用化连续形式；DCM 轨迹规划可以反推质心 + 落脚点
应用：传统人形（ASIMO/HRP）用 ZMP 离线规划质心轨迹；现代人形多用 DCM / Capture Point 做在线规划，对扰动响应更快。
易错：ZMP 是静态稳定性判据，对快速动态（如跑步飞行相）失效——飞行相没有 ZMP，需要质心动量守恒分析。
L2 🔥×3 Q06 · Pinocchio / Drake / RBDL 这几个动力学库各自的定位？为什么腿足机器人圈 Pinocchio 最常用？
答：
| 库 | 定位 | 优势 | 劣势 |
|---|---|---|---|
| Pinocchio | Featherstone 体系 C++ / Python | 浮动基座原生支持；ABA / RNEA / CRBA 全有；解析微分；快（约 1 µs 操作臂 / 3 µs 腿足） | 学习曲线陡 |
| Drake | TRI / MIT 大库 | 内建优化（MathematicalProgram）/ 仿真 / 控制一体 | 体量大、编译复杂 |
| RBDL | 轻量 C++ 实现 | 与 Featherstone 书完全对齐，易学 | 工具链生态弱 |
为什么 Pinocchio 主流：① 速度最快（HPP 项目优化十年）；② 解析雅可比 + 解析微分 让上层 MPC / WBC 的代价梯度可以闭式得到，比数值差分稳定；③ TSID / Crocoddyl 等主流腿足栈都以 Pinocchio 为基；④ Python 绑定方便快速原型。
易错：KDL（ROS 自带）不支持浮动基座——只能做固定基机械臂，所以 ROS 默认动力学库在腿足圈基本用不上。
L2 🔥×3 Q07 · RNEA、CRBA、ABA 三种动力学算法各自解决什么问题？复杂度怎么样？
答：刚体动力学三大经典算法（Featherstone）：
| 算法 | 问题 | 复杂度 | 用途 |
|---|---|---|---|
| RNEA | 逆动力学 $\tau = f(q, \dot{q}, \ddot{q})$ | $O(n)$ | WBC 控制律 |
| CRBA | 求质量矩阵 $M(q)$ | $O(n^2)$ | KKT 系统 / 解析微分 |
| ABA | 正动力学 $\ddot{q} = f(q, \dot{q}, \tau)$ | $O(n)$ | 仿真器内核 |
三件套关系：WBC 需要 $M$（CRBA）+ 逆动力学算力矩（RNEA）；仿真器要正推状态（ABA）。
易错：RNEA 是逆动力学——给加速度算力矩，不是反过来；常见误用。复杂度 $n$ 是连杆数；腿足 30 关节场景下三者实测都在 µs 级。
§2 MPC 系列（7 题）
模型预测控制是腿足圈最经典的控制框架，从 MIT Cheetah 的 Convex MPC 开始统治了四足近 7 年。
L1 🔥×7 Q08 · MIT Cheetah 提出的 Convex MPC 怎么把腿足运动控制问题做成凸优化？
答：MIT Carlo & Wensing 2018 的 Convex MPC（应用于 Cheetah 3）做了几个关键近似把非凸 NMPC 化简到 QP：
- 单刚体模型 SRBM：忽略腿质量，整机当一个固定惯量的刚体
- 小角度假设：在 hover frame 里把 roll/pitch 当小量，旋转动力学 $I\dot{\omega} = \tau - \omega \times I\omega$ 中的 $\omega \times I\omega$ 项忽略（线性化）
- 接触序列预先给定：哪只脚什么时间落地由 gait scheduler 输出，不作为决策变量，避免组合优化
- 摩擦锥金字塔近似：4-边线性化（见 Q03）
化简后状态线性、约束线性、代价二次，是标准 QP；用 dense QP 求解器约 1 ms 内可解，30 Hz 跑实时，时域 0.5 s / 10-16 步。
易错：原论文 30 Hz 是 MPC 重规划频率，底层关节力矩控制器跑 1 kHz 甚至更高——别把 MPC 频率和电机控制频率混为一谈。
L2 🔥×5 Q09 · MPC 的预测时域 / 控制时域怎么选？为什么腿足 MPC 一般 0.3-0.5 s、10-20 个时步？
答：选时域的两个权衡：
- 太短：看不到未来一个完整步态周期，控制器决策短视（脚还没落地就结束）
- 太长：① 模型误差累积；② QP 规模 $\propto$ 时步数，10 步 vs 30 步求解时间差 5-10 倍
腿足实务：典型步态周期 0.3-0.5 s，覆盖 1-2 个完整周期最佳，于是 10-20 步、每步 25-50 ms。MIT Cheetah 论文用 0.5 s / 16 步 / 30 Hz，是一个长期被沿用的配方。
控制时域 vs 预测时域：MPC 标准定义中"控制时域 ≤ 预测时域"——预测时域看远，控制时域内的控制变量做决策变量；腿足里通常两者相等简化实现。
易错：不要假设"时域越长越好"——长时域要求模型在 0.5 s 内仍准确，超过这个时间 SRBM 误差会显著上升。NMPC（非线性 MPC）可以用更长时域（1 s+），但算力代价大。
L2 🔥×5 Q10 · MPC 求解器对比：OSQP vs qpOASES vs HPIPM，腿足实时控制怎么选？
答：
| 求解器 | 算法 | 优势 | 劣势 |
|---|---|---|---|
| OSQP | ADMM | 稀疏问题快、warm-start 好、BSD 开源 | 一阶，迭代多 |
| qpOASES | active-set | 中小问题快、解精确 | 不适合超大稀疏 |
| HPIPM | 内点 + Riccati | 对 MPC 时序结构最优 | 接口较复杂 |
腿足典型选择：四足 Convex MPC → OSQP / qpOASES 都 < 1 ms；人形 30 自由度 WBC → HPIPM / ProxQP 适配 MPC 时序；嵌入式 → 自研 ADMM。
实务：先用 OSQP（开源、接口干净），延迟不达再换 HPIPM。
易错：OSQP 是一阶方法，对 ill-conditioned 问题收敛慢——MPC 代价矩阵尺度差异大时要先做预处理 / 缩放。
L2 🔥×4 Q11 · LQR、PID、MPC 在腿足控制里各自的定位？为什么四足主流都是 MPC？
答：
| PID | LQR | MPC | |
|---|---|---|---|
| 模型 | 不需要 | 线性，需 $A$、$B$ | 线性/非线性都行 |
| 约束 | 不支持 | 不支持 | 原生支持（摩擦锥、力上下限） |
| 计算 | 几乎免费 | 离线一次解 Riccati | 每周期解 QP |
| 时域 | 单点反馈 | 无限时域 | 有限滚动时域 |
腿足偏爱 MPC 的原因：① 接触约束是硬约束（摩擦锥、不可拉脚），LQR / PID 没法直接处理；② 步态切换时接触序列变，需要重新优化，MPC 滚动天然适合；③ 现代算力 1 ms 解 QP 可行。
简单系统例外：质心动力学接近线性倒立摆、接触不切换的系统（如轮式平衡），LQR 一次离线解 Riccati 就够；详见低频备选 N3。
易错：PID 在腿足里仍然存在——但只用在最底层关节伺服（电流环、位置环），MPC / WBC 是上层。说"腿足只用 MPC"是不准确的。
L2 🔥×4 Q12 · 接触时序（contact schedule / gait scheduler）在 MPC 里是怎么编码进去的？热切换怎么避免抖动？
答：接触时序：一个 0/1 矩阵 $s_i^k$，表示第 $k$ 个 MPC 时步、第 $i$ 只脚是否接触地面。Convex MPC 把它预先给定（gait scheduler 输出），不作为优化变量，这才能保持凸性。
怎么用：
- $s_i^k = 1$（支撑相）：摩擦锥 + 力上限约束生效；摆动相约束变为 $f_i^k = 0$
- 与 swing-leg 控制器协作：摆动期 $f_i^k = 0$，足端轨迹由独立的 swing leg 控制器（如五次多项式插值）执行
避免抖动：① 落地 / 离地切换瞬间，QP 解会有跳变 → 力的差分项加入代价（$\| f^{k+1} - f^k \|^2$）；② 接触序列由 finite state machine 维护，不允许中途修改；③ 接触检测用低通滤波 + 滞回。
易错：步态切换时（如 trot → bound）整张时序表会重写，热切换需要把"未来 0.3 s"的接触模式一次性更新，否则 MPC 看着旧时序解出错误力。生产代码里通常做"phase 锁定"，切换在某只脚刚落地时执行。
L2 🔥×3 Q13 · 摆动腿（swing leg）轨迹一般怎么设计？为什么常用五次多项式或 Bezier？
答：摆动腿轨迹要求：① 起飞点与落地点匹配；② 起飞 / 落地速度 = 0（避免冲击）；③ 中间有抬腿高度（避障）。
为什么五次多项式（quintic / minimum-jerk）：六个边界条件（起 / 落各一对 位置 / 速度 / 加速度）刚好对应五次多项式的 6 个系数，解析可求；jerk 最小 ⇒ 加速度平滑 ⇒ 电机受力舒缓。MIT Cheetah 用五次 + 可调最高点（apex height）。
Bezier 曲线：通过控制点直观调形，常用于希望"前快后慢"或"避开高障碍"的轨迹；ANYmal 系列也常用。
落脚点怎么算：常用 Raibert heuristic $p_{foot} = p_{hip} + \frac{v T_{st}}{2} + k(v - v_{des})$，其中 $T_{st}$ 是支撑相时长、$k$ 是反馈增益。RL 训练的策略可以学到更精细的落脚点选择。
易错：摆动期不能假设质心匀速——MPC 给的质心轨迹是变速的，落脚点要用 MPC 输出的预测质心位置而不是当前位置。
L3 🔥×3 Q14 · NMPC（非线性 MPC）和 Convex MPC 比，哪些场景值得为额外算力换更优解？
答：NMPC 不做小角度近似、不做 SRBM，保留全身动力学和圆锥摩擦锥；用 SQP / DDP / iLQR 求解，单次 5-20 ms。
值得换 NMPC 的场景：
- 大姿态机动（深蹲、跳跃落地、滚翻）—— 小角度假设崩
- loco-manipulation（推门、扛物）—— SRBM 忽略的腿惯量影响显著
- 高动态奔跑 / 飞行相 —— 线性化误差大
- contact-implicit MPC（接触时序也作决策变量）
Convex MPC 够用：四足 trot / walk、人形低速行走；Unitree / ANYmal 主线产品仍用 Convex。
前沿：Crocoddyl（INRIA）DDP-NMPC、IIT contact-implicit MPC 在 ANYmal 跳跃；RL policy 也在抢这个生态位。
易错：NMPC ≠ "更好"——SQP 易陷局部最优，warm-start 不好比 Convex MPC 还慢；产线优先 Convex MPC，Convex 失败才考虑 NMPC。
§3 全身控制 WBC（6 题）
WBC 把多任务（质心轨迹、足端力、姿态、关节限位）写成分层 QP，是人形不可绕开的中间层。
L2 🔥×5 Q15 · WBC（whole-body controller）的核心思想是什么？为什么需要任务优先级？
答：WBC：在每个控制周期（典型 1 kHz）解一个约束二次规划，同时满足多个相互冲突的运动学/动力学任务（质心位置、躯干姿态、足端力、关节限位等），输出关节力矩。
为什么要优先级：多任务常冲突。例如人形要"跟踪末端轨迹"+"维持平衡"+"避免关节超限"，冲突时平衡必须赢。两种实现：
| 实现 | 写法 | 行为 |
|---|---|---|
| 加权 QP | 所有任务加权进单一代价 | 调权重难 |
| 严格 HQP | 高优先级先解，零空间留给低优先级 | 严格不冲突，但难实现 |
实务：人形产线多用加权 QP；学术界爱严格 HQP。TSID 是 Task-Space Inverse Dynamics 框架（开源 stack-of-tasks/tsid 库内部用 HQP solver 做严格层级，同层内可用权重软化任务）。
易错：WBC 不能替代 MPC——WBC 只看当前一拍（无预测），平衡 / 落脚等长期规划必须靠 MPC / 步态规划器；典型架构是 MPC（10-100 Hz）输出参考 → WBC（1 kHz）跟踪 + 力分配。
L2 🔥×4 Q16 · TSID 和 HQP（hierarchical QP）的区别？weighted QP 和 strict hierarchy 各自的取舍？
答：TSID 是 Task-Space Inverse Dynamics 框架（Saab 2013 + stack-of-tasks/tsid 库），内部 solver 实际做 HQP 严格分层，但同一层可用权重软化多个任务；HQP 特指严格层级。常用对比 weighted vs strict hierarchy：
| 加权 QP（单层） | 严格 HQP（多层） | |
|---|---|---|
| 结构 | 任务加权，单 QP | 多层，高层零空间传给低层 |
| 调参 | 权重，任务间偷量 | 严格不冲突，但难实现 |
| 计算 | 单 QP（毫秒） | k 层 QP（更慢） |
| 代表实现 | OpenSoT 加权 / Pink IK QP | tsid SolverHQP、OpenSoT 严格 |
取舍：加权简单快、调参直观，但极端配置下低优先级会拽偏高优先级；严格 HQP 理论严格但实现复杂。
实务：产线多用加权 QP；研究界爱严格 HQP。
易错：一个"任务"通常是一组等式 + 不等式（关节限位、摩擦锥），不是单一约束；层级指这一组的优先级。
L2 🔥×4 Q17 · OSC（operational space control）vs TSID：本质区别在哪？
答：两者都把任务空间映射到关节力矩，但范式不同：
| OSC（Khatib 1987） | TSID（Saab 2013） | |
|---|---|---|
| 形式 | 闭式 $\tau = J^\top (\Lambda \ddot{x}_{des} + \mu + p)$ | QP 优化 |
| 不等式约束 | 不自然支持 | 原生支持（摩擦锥 / 关节限位） |
| 速度 | 矩阵运算，超快 | QP 求解，几毫秒 |
| 浮动基座 | 需额外处理 | 原生支持 |
OSC 本质：把动力学投影到任务空间 $\Lambda \ddot{x} = F + \mu + p$ 反解力矩；固定基机械臂上单层任务优于 TSID。
TSID 优势：统一处理浮动基座 + 接触约束 + 多任务，是腿足/人形的天然选择。
实务：腿足圈 TSID 主流（stack-of-tasks/tsid 是事实标准）；OSC 思想仍以"任务空间投影"融入 WBC。
易错：OSC 不是"过时"——单任务 + 已知接触状态时仍更快；TSID 的优势在多任务 + 不等式约束。
L2 🔥×4 Q18 · WBC 和 MPC 一般怎么配合？层次频率怎么分？
答：典型分层（OpenLoong / Cheetah / ANYmal 通用）：
- 高层规划 1-10 Hz：任务编排 / VLA / 视觉，给目标
- MPC 30-100 Hz：输出未来 0.5 s 质心轨迹 + 接触力
- WBC 500-1000 Hz：跟踪 MPC 输出 + 全身动力学 + 力分配，出关节力矩
- 关节伺服 > 2 kHz：电流环 / 力矩闭环
为什么分层：MPC 单次 QP 约 1-5 ms 不能 1 kHz；WBC QP 规模小可 1 kHz；电机伺服需 > 1 kHz 稳定。
通信：MPC → WBC 通过共享内存 / ROS2；传递的是力 + 加速度参考，不是关节力矩。
易错：MPC 直接生成关节力矩跳过 WBC 在简单四足上可行，但复杂人形不行——MPC 模型粗（SRBM）不能直接出 30+ 关节力矩；WBC 是必经中间层。
L2 🔥×3 Q19 · 零空间投影（null-space projection）在 WBC 里怎么用？为什么这样能保任务优先级？
答：零空间投影：把低优先级任务的控制信号投影到高优先级任务的零空间（不会改变高优先级任务的输出），从而实现"低优先级不干扰高优先级"。
数学形式：若高优先级任务雅可比 $J_1$，则零空间投影矩阵 $N_1 = I - J_1^+ J_1$。低优先级 $\ddot{q}_2$ 控制律变为： $$\ddot{q} = J_1^+ \ddot{x}_{1,des} + N_1 \ddot{q}_2$$ 左边任意 $\ddot{q}_2$ 都不影响 $\ddot{x}_1$，因为 $J_1 N_1 = 0$。
HQP 中的用法：每一层解完后，把它的零空间作为下一层的"可用动作空间"，递归到底。等价于多层 QP，每层在前层零空间内优化。
易错：零空间维度可能不够——高优先级任务用了 $k$ 个自由度，只剩 $n-k$ 个给低优先级；机械臂 7 关节时只剩 1 维，几乎没法干次要任务。这是 redundancy（冗余度）不足的根本限制，加任务前要算清楚自由度账。
L2 🔥×3 Q20 · 阻抗控制、导纳控制、力位混合控制在腿足里的应用场景对比？
答：三者都是含柔顺性的控制策略，关键区别在输入-输出因果方向：
| 阻抗 Impedance | 导纳 Admittance | 力位混合 Hybrid | |
|---|---|---|---|
| 输入→输出 | 运动偏差 → 力 | 力偏差 → 运动 | 分方向：力 / 位置正交 |
| 适用机器人 | 力矩控制电机 | 位置控制电机 + 外置 F/T | 两者皆可 |
| 接触稳定性 | 接触刚硬环境也稳 | 刚硬环境易振 | 力方向稳，位置方向精确 |
腿足应用：
- 支撑腿 = 阻抗控制：虚拟弹簧-阻尼吸收着地冲击；摆动腿 = 位置控制
- loco-manipulation = 阻抗 + 力位混合：抓物方向位置，接触方向力
- 早期人形（ASIMO 等位置控电机） = 导纳控制：F/T 外环算位置参考、内环 PID 跟踪
易错：PD 控制 = 简化阻抗（无虚拟惯量项），仍属于阻抗范式（位移 → 力），不是导纳；导纳的因果方向反过来（力 → 位移），需要 F/T 传感器读力做反馈。
§4 RL-based locomotion（8 题）
2021 年 RMA 之后，RL-based locomotion 已成主流——尤其在感知（perceptive）、动态地形、人形上身扰动等场景下打败传统 MPC。
L1 🔥×8 Q21 · 用 PPO 训腿足 locomotion，为什么 IsaacGym / IsaacLab 这种 GPU 并行仿真是事实标准？
答：腿足 RL 的样本需求极大（百万级 step），CPU 仿真吞吐太低。
GPU 并行三大优势：① 数千环境并行（IsaacGym 典型 4096 envs，加速 100-1000 倍）；② 观测/动作驻留显存，无 CPU↔GPU 拷贝；③ PPO 与仿真同卡，端到端吞吐百万 step/分钟。
典型配置：4096 envs、PPO、horizon 32-50、几千万 step 几小时收敛（Humanoid-Gym / legged_gym）。
仿真器选择：
- IsaacGym（已停更）：legged_gym 等经典仓库依赖
- IsaacLab：NVIDIA 接班，物理后端可换 Newton
- MJX / MuJoCo Playground：JAX + MuJoCo，开源跨厂
易错：envs 不是越多越好——超过 4096 batch 内方差减小、PPO 优势估计噪声小反而收敛更慢（Brax 论文实测）。
L2 🔥×6 Q22 · 腿足 locomotion 的 reward 一般怎么设计？为什么常拆 task / style / regularization 三类？
答：legged_gym / Humanoid-Gym 等主流框架通常拆三类：
| 类别 | 例子 | 作用 |
|---|---|---|
| Task | 跟踪速度命令、保持高度 | 完成任务 |
| Style | 步态周期、抬腿高度、对称 | 让运动像走路 |
| Regularization | 关节力矩平方、动作平滑、限位惩罚 | 节能、防过载 |
为什么必须拆：只设 task reward 会出现"姿态崩但完成任务"的解；style + regularization 才能引导到自然可部署步态。论文里 reward 项常达 15-25 个。
常见坑：① 系数失衡——style 太重不学动、reg 太重不动；② Reward hacking——策略找漏洞（来回小步刷 air time），要加约束。
易错：不要直接奖励"前进距离"——会鼓励冲刺然后摔倒；用速度命令跟踪误差作为 task reward 更稳。
L2 🔥×5 Q23 · 课程学习（curriculum）在腿足 RL 里怎么搭？常见做法有哪些？
答：直接训复杂地形 / 高速 / 强扰动会让 PPO 早期完全摔倒——curriculum 是事实标配。
常见类型：
- 速度命令：从 ±0.5 m/s 开始按成功率扩到 ±2 m/s
- 地形：平地 → 斜坡 → 阶梯 → 碎石，game-style 关卡进阶
- 扰动：早期不推、后期加大随机外力 / 质量随机化
- 机器人姿态（人形特有）：上身先固定、下身学走，再放开上身
实务：按 episode return 或成功率触发难度提升；停滞太久回退一级。IsaacLab / Newton 内置 progress-based terrain curriculum 模板。
易错：curriculum 不是越激进越好——过快进阶会催化策略遗忘早期能力（catastrophic forgetting）；通常保留旧难度环境做"经验回放"。
L2 🔥×5 Q24 · RMA（Rapid Motor Adaptation）的核心思想是什么？两阶段训练分别学什么？
答：RMA（Kumar et al, RSS 2021, UC Berkeley + CMU + FAIR）解决"训练时有特权信息（摩擦、质量、扰动力），部署时只有本体感觉"的 gap。
两阶段：
- 阶段一：策略输入 = 本体感觉 + privileged info 的 latent $z$，PPO 训到收敛
- 阶段二 · Adaptation Module：从近 N 步本体感觉历史监督预测 $z$；部署时 adaptation module 替代特权编码器
部署：adaptation module 约 100 Hz，几百毫秒内适应新环境（不同摩擦、负载）。原论文 A1 在沙地、草地、徒步路径上零 fine-tune 走过。
为什么 work：本体感觉历史隐含环境信息（打滑、扭矩异常对应低摩擦），encoder 学的就是从隐含信号恢复 latent。
易错：RMA 不是 sim2real 银弹——处理的是"训练分布内的物理参数变化"，对训练时未见过的极端情况（雪地）仍可能崩；ASAP 等用残差 action model 进一步弥补。
L2 🔥×4 Q25 · 教师-学生（teacher-student）蒸馏在腿足 RL 里为什么几乎是标配？privileged info 一般有哪些？
答：腿足部署时只有本体感觉（关节编码器、IMU），但仿真训练时可以"作弊"看到更多信息——教师-学生蒸馏让仿真效率最大化。
典型 privileged info（教师独占）：
- 摩擦系数、地面材质、阻尼
- 机器人当前质量、惯量
- 外力大小方向（随机推力）
- 完整地形高度图（足下 ± 0.5 m）
- 关节摩擦、电机响应延迟
学生（部署用）输入：
- 本体感觉历史（关节角、关节速度、IMU）
- 命令向量（速度命令、步态参数）
- 可选：视觉（depth / RGB）—— RMA / PIM / Walk These Ways 多用本体感觉为主，视觉是后期补加
蒸馏方法：① DAgger（学生在仿真里跑、教师在线给标）；② BC（教师轨迹存离线集学生 BC）；③ 用教师 latent 监督学生 latent。
易错：教师不能太强—— privileged info 让教师拿到"超人类"信号，学生本体感觉就是恢复不出来时，蒸馏永远失败；要保证 privileged info 与本体感觉有可学习的映射关系。
L2 🔥×4 Q26 · Walk These Ways 提出的 MoB（Multiplicity of Behavior）想解决什么问题？
答：传统 locomotion 策略一个模型只学一种步态/速度风格，调速度命令仍是同一步态——新任务（爬阶、推门）就要重新训。
MoB 的洞察：让单个策略学一个结构化的行为族（family），通过外部参数（步态周期、抬腿高、躯干姿态）切换行为；新任务时不重训，只调参数。
做法：
- Reward 里加入 gait-encoding 项，强制策略在不同周期/相位下都能跟踪
- 训练时随机抽样所有行为参数（速度、步态周期、抬腿高、躯干俯仰）
- 部署时人 / 高层 / 脚本动态指定参数
结果：Margolis & Agrawal 在 Unitree Go1 上展示一个策略可以做：跑、跳、爬阶、蹲下、舞蹈、抗推——全是同一个网络权重。CoRL 2022 (arXiv 2212.03238) 开源 walk-these-ways 仓库被广泛复用。
易错：MoB 不是"无限通用"——策略仍只能在训练时随机化过的参数范围内泛化；完全没见过的动作（如倒立行走）仍需要重新训。
L3 🔥×4 Q27 · ASAP 通过什么机制对齐仿真和真机？delta action model 起什么作用？
答：ASAP（CMU + NVIDIA, 2025-02, arXiv 2502.01143）解决人形 sim-to-real 剩余 gap——IsaacGym 训得好的策略到 Unitree G1 上仍会摔。
两阶段：① 仿真预训练，retargeted 人体动作 + PPO 训运动跟踪；② 实机收集 (state, sim_action, real_outcome)，训 delta action model $\Delta a = a_{real} - a_{sim}$，装进仿真器后 fine-tune 原策略。
为什么是 action：相比改 dynamics（actuator net），改 action 更简单——少量真机数据、小 MLP 即可。
关键贡献：IsaacGym → IsaacSim / Genesis / Unitree G1 三套迁移都验证；与 RMA / actuator net 互补可叠加。
易错：ASAP 不是纯零样本 sim2real——需真机数据；零样本场景仍要回到 actuator network + 域随机化。
L2 🔥×3 Q28 · HIM（Hybrid Internal Model）/ belief encoder 在 RL locomotion 里起什么作用？
答：把本体感觉历史 + 视觉编码成 latent state，让策略"看懂"环境隐含信息，是 RMA 思路的进化版。
HIM（Hybrid Internal Model）核心：用本体感觉历史预测"下一步本体感觉 + 速度"，迫使 encoder 学环境动力学的内部模型；与 RMA 不同不需要 privileged info——完全自监督。
belief encoder（感知 locomotion）：输入本体感觉历史 + 高度图 / depth；输出 latent（融合本体动力学 + 地形）；用 attention 或 GRU 编码。
典型应用：PIM（arXiv 2411.14386）把 LiDAR 高度图 + 本体感觉送进 belief encoder，让 humanoid 走阶梯。
实务好处：① 训练不依赖 privileged info；② sim2real gap 小；③ 对地形泛化好。
易错：belief encoder 比纯 MLP 慢，需 latency 权衡——典型做法 encoder 50 Hz、策略 200 Hz，encoder latent 喂多次。
§5 人形遥操作 Teleop（6 题）
数据飞轮的入口：teleop 决定了模仿学习/VLA 训练数据的质量。Apple Vision Pro + 上身 IK 是 2024-2026 的事实标准之一。
L2 🔥×5 Q29 · OPEN-TeleVision 这套系统的核心组件是什么？为什么要用 Apple Vision Pro？
答：OPEN-TeleVision（Cheng et al, arXiv 2407.01512, UCSD + MIT）是 2024-2026 人形 teleop 事实标准之一。
核心组件：① VR 头盔（Apple Vision Pro / Quest）捕获头 / 手腕 / 手指 pose；② 机器人头部双目相机流回 VR 做 immersive 反馈；③ 服务器做 human-to-robot retargeting（IK）；④ 底层控制器把末端目标转关节力矩。
为什么 Apple Vision Pro：① 手部跟踪毫米级，SDK 直出 6-DoF；② 眼动 + 视野追踪，机器人头部跟随，沉浸感高；③ 延迟 < 50 ms，比开源 OpenVR 稳。
典型成果：MIT 操作员远程控制 UCSD 的 Unitree H1 抓物——推动了一波 humanoid teleop 工作。
易错：主要解决"上身"teleop——腿部仍由 RL/MPC 自主控制，操作员不直接控腿；这是与 Mobile ALOHA "全身遥操"的关键差别。
L2 🔥×5 Q30 · 人形 teleop 的 motion retargeting 怎么做？SMPL 到机器人骨架的尺寸校准为什么麻烦？
答：Motion retargeting：把人体动作映射到机器人关节空间，输出可执行关节目标。
两条主流路线：① 几何/IK 法：机器人骨架做 IK 匹配末端位置，SEW-Mimic 用闭式几何解；② 学习法：神经网络从人体姿态回归机器人关节角，GAN/VAE 都用过。
SMPL 校准的麻烦：
- SMPL 是 24 关节 + 形状参数 $\beta$（10 维），骨长由 $\beta$ 决定
- 机器人骨长固定，关节定义也不同（多数没腰 yaw / 锁骨）
- 直接复制关节角不行——同样肩角，人抬 90° 机器人可能 70°（限位 + 骨长）
- 标准做法：用 12 个对应关节优化 $\beta$ 让 SMPL 体型最接近机器人，再复制关节角
易错：忽略骨长差异直接 retarget 会让"摸鼻子"变成"机器人手在面前 30 cm"——这是 H2O / HumanPlus 强调先做体型对齐的原因。
L2 🔥×4 Q31 · Mobile ALOHA / ALOHA 2 的 leader-follower 双臂遥操方案为什么比 VR 抓握主流？
答：Leader-follower：操作员手握两支小臂（leader），实时同步映射到机器人本体大臂（follower）；50 Hz 流 14-DoF 关节角。
主流原因（桌面操作场景）：① 0 retargeting：leader / follower 关节同构，直接复制角，无需 IK；② 天然力反馈：leader 用同款电机，能感受 follower 接触阻力；③ 数据质量高：精细操作（穿针、扣纽扣）远超 VR 手势；④ 成本低：套件约 $32K，比工业方案便宜一个数量级。
Mobile ALOHA：底盘装轮 + 全身 teleop（推车 + 手控双臂）；50 demos 协同训练，扫地 / 炒菜成功率 80%+。
VR 抓握的位置：人形上身（OPEN-TeleVision）；leader-follower 适合双臂工作站。两者不冲突，是不同 form factor 的最佳实践。
易错：Mobile ALOHA "低成本"是相对工业级——开源套件仍约 $32K，不是"几千块业余项目"。
L2 🔥×4 Q32 · H2O / OmniH2O 的训练流程：人体动作怎么变成机器人能执行的可行轨迹？
答：H2O / OmniH2O（CMU LeCAR Lab, arXiv 2403.04436）从大规模人类动作（AMASS / Motion-X）训人形模仿任意动作的策略。
流程：① Retargeting：SMPL → 机器人骨架；② 可行性过滤：privileged imitation policy（教师）跟踪每条动作，跟不上的丢弃（剔除约 20-30%）；③ 教师-学生蒸馏：cleaned 数据集训学生，输入 SMPL keypoints + 本体感觉，输出关节力矩。
部署：实时输入操作员 SMPL keypoints（VR / 视觉 pose），策略出关节动作。
OmniH2O 升级（CoRL 2024, arXiv 2406.08858）：通用接口（VR / RGB / 语言）+ dexterous 全身 teleop + 自主策略 + OmniH2O-6 数据集。
易错：H2O 不是零样本 retargeting——先要大量人类动作训策略；罕见动作仍需重训。与 Mobile ALOHA 的 demo→BC 路径完全不同。
L2 🔥×3 Q33 · teleop 数据采集为什么对模仿学习这么关键？数据飞轮里它处于什么位置？
答：模仿学习 / VLA 完全靠演示数据，质量直接决定策略上限——teleop 是大规模收集"高质量带因果性"演示的事实标准。
为什么 teleop > 视频 / 动捕：
- 视频：缺力交互信号（不知接触瞬间力）
- 动捕：缺机器人本体感觉（人关节 ≠ 机器人关节）
- teleop：直接在目标机器人上演示，观测+动作天然对齐
数据飞轮位置：teleop demo → 训 BC / Diffusion Policy → 真机 rollout → 失败接管 → 追加 demo → 再训。teleop 是飞轮的种子 + 燃料。
典型成本：单 task 200-500 demos 起步；每 demo 1-3 分钟；π0 / GR00T 一次训需 1000+ 小时多任务 teleop。
实务：质量 > 数量——10 完美 demos > 100 抖动 demos；操作员熟手再录。Mobile ALOHA / UMI / DROID 是著名数据集。
易错：teleop 不能涵盖"机器人自遇失败状态"——DAgger / 真机 RL 在飞轮后期仍不可或缺。
L2 🔥×3 Q34 · 闭环 teleop 中的延迟（视觉反馈 + 控制下行）一般多少？怎么补偿？
答：典型闭环延迟（OPEN-TeleVision 类系统实测）：
| 环节 | 延迟 |
|---|---|
| 相机采集 + 编码 | 15-30 ms |
| 网络到 VR | 20-50 ms（WiFi）/ 10-20 ms（有线） |
| VR 渲染 | 10-20 ms |
| 操作员反应 | 50-200 ms |
| VR → 服务器 → 机器人 | 10-30 ms |
| 控制器响应 | 5-10 ms |
| 总闭环 | ~150-300 ms |
补偿手段：① 机器人本体 1 kHz 自主（WBC、平衡），人只负责高层目标；② 预测补偿——按命令推断 100 ms 后位置，用预测态做控制；③ 视频压缩（H.265 低延迟 profile）降到 30 ms 以下；④ 同地部署，避免广域网。
易错：延迟不能完全消除——人反应时间是物理极限；好的设计是让人感觉不到延迟（VR 浸入 + 机器人本体局部自主），不是真把延迟降到 0。
§6 Loco-manipulation / 上下身解耦（5 题）
移动 + 抓取的耦合任务：腿的动会扰动臂，怎么处理是 2025-2026 人形论文的热点。
L2 🔥×5 Q35 · HumanPlus 的 shadowing + imitation 两阶段方案是怎么走的？
答：HumanPlus（Stanford, arXiv 2406.10454）目标是"机器人实时跟一个人的动作，再从这些 shadowing 数据学自主执行任务"。
两阶段：① Shadowing：操作员做动作 → RGB pose estimation → retarget → 机器人模仿（10 Hz）。底层 Humanoid Shadowing Transformer 接 32 维姿态出 19 维关节命令；② Imitation：shadowing 演示当 demo，训 HIT（类 ACT）出动作 chunk，机器人自主执行。
为什么这套：① shadowing 只要 RGB 门槛低；② 同时拿到"人体动作 + 机器人本体感觉"对齐数据；③ 跑跳拳击抓物都验证过。
真机：Unitree H1，几十 demo 后自主穿鞋、写字、抓物。
易错：shadowing 不等同 OPEN-TeleVision——前者"机器人跟人模仿"（无 VR），后者"沉浸式控机器人"（有 VR）；用途不同。
L2 🔥×4 Q36 · ExBody 为什么解耦上下身控制？上身跟模仿、下身只跟踪速度有什么取舍？
答：ExBody（UC San Diego, arXiv 2402.16796）观察到：整体模仿人体动作太难——下身要平衡、上身要做表达动作，目标冲突。
解耦方案：上身跟踪 retargeted 人体动作（精确模仿），下身只跟踪速度命令（forward / yaw），允许步态自适应。
为什么 work：上身模仿对平衡稳定性要求低——不极端可容错；下身平衡对末端动作精度要求低——走对方向就行。两者独立优化，难度大幅下降。
取舍：
- 优势：训练简单、sim2real 稳、表现力强（边走边跳舞）
- 局限：上下身完全独立无法做全身高动态动作（如蹲下抓地物）；后续 ExBody2 / ASAP / KungfuBot 引入耦合改进
易错：解耦不等于上下身没耦合——下身仍承受上身反作用力；只是控制器不直接同时优化两者。
L2 🔥×3 Q37 · Loco-manipulation 任务里，腿的运动会扰动臂的精度——主流怎么处理这种耦合？
答：人形 / 移动机械臂的 loco-manipulation 中，腿（locomotion）和臂（manipulation）有强耦合：
- 走路时躯干周期性晃动 → 末端轨迹有几厘米抖动
- 臂伸出时重心前移 → 腿要补偿
主流处理思路：
- 分层 + 通信（最常见）：locomotion 控制器把"未来质心轨迹"广播给 manipulation 控制器，manipulation 用这个轨迹做 feed-forward 补偿。如 ANYmal 的 multi-task WBC
- 联合 QP：把臂末端跟踪和腿落脚同写进一个 WBC QP，让优化器自动找折中（计算开销大，但精度高）
- 学习联合策略：用 RL 学一个端到端"全身策略"，省掉显式建模耦合。如 OmniH2O、HumanPlus
- 解耦但加补偿：上身用 IK 时把 IMU 测到的躯干姿态变化做实时补偿
实务：产线多用方案 1+4 组合（成熟、可调试）；研究多用方案 3（端到端、效果好）。
易错：不要假设手臂用 PD 跟踪就万事大吉——走路时关节震动会激起手臂二阶振动，需要主动补偿，否则末端轨迹完全飞掉。
L2 🔥×3 Q38 · 人形 stand-up 起立 policy（HoST）和 walking policy 为什么分开训？
答：HoST（SJTU + Shanghai AI Lab + HKU, arXiv 2502.08378）是首个让人形在多姿态下自主起立的工作（Unitree G1 上验证）。
为什么不和 walking 一起训：
- 状态空间不同：起立从 lying / kneeling / leaning 等极端姿态，walking 从直立——一个策略两边都做难度爆炸
- 奖励冲突：起立要"低→高"渐进奖励，walking 要维持高姿态，混训不收敛
- 课程顺序：先训 walking（基础），起立训练时 walking 已稳，可以当结束条件用
HoST 核心技巧：
- 把起立分阶段（lying → kneeling → squat → stand），各阶段单独奖励 + 自动 curriculum
- 训练时随机化跌倒姿态（不只平躺）
- 部署时跌倒检测 → 切起立 policy → 站起后切回 walking
易错：产线"自动起立"（如宇树 G1）多用两段式 + FSM 调度——不是单一全能策略；面试说"一体化全能策略"不准确。
L3 🔥×3 Q39 · 端到端 VLA 接管人形的上下身控制可行吗？目前主流为什么还是分层（高层语义 + 底层 RL/MPC）？
答：理论上 VLA 可端到端控人形关节力矩，但 2026 年几乎没有产品这么做——主流仍是分层。
端到端难点：① 频率不匹配：VLA 5-10 Hz vs 关节力矩 ≥ 200 Hz；② 数据稀：OpenX / DROID 主要是机械臂，腿足全身 teleop 数据规模小；③ 稳定性兜底：VLA 错一步可能让人形摔倒（成本几十万），机械臂错只是抓不到，容错差巨大；④ 物理可行性：VLA 不内置浮动基座动力学，输出可能违反摩擦锥 / 关节限位。
主流分层：VLA / LLM（1-5 Hz）出语义目标 → locomotion policy（50-200 Hz）出关节命令 → WBC + 力矩控制（1 kHz）跟踪 + 物理保护。
前沿：GR00T-N1 / Figure Helix（快慢双系统）把 VLA 与底层 control 分离，语义层不直接接关节；ASAP / HoST 把特定技能做成可调用 RL 模块。
易错："VLA 完全替代传统控制"是 2024-2025 媒体说法；2026 年实际仍分层——VLA 决定"做什么"，腿足底层执行"怎么做"。
§7 Sim-to-Real for legged（6 题）
仿真训出来不能上真机是腿足 RL 最大的坑：actuator network、domain randomization、sim-to-sim 验证是三件套。
L1 🔥×7 Q40 · 域随机化 domain randomization 在腿足 sim2real 里怎么用？哪些参数必须随机？
答：域随机化（DR）：训练时随机化仿真器参数，让策略学到对参数分布鲁棒的特征——部署到真机时把真机当作"分布中的一个样本"。
腿足必须随机化的参数（高优先级）：
- 质量 / 惯量：±20-30%（电池电量、负载变化）
- 摩擦系数：脚 - 地接触摩擦 0.4-1.2（不同地面）
- 电机参数：扭矩限制、PD 增益（actuator delay）
- 观测噪声：IMU 漂移、关节编码器抖动
- 外部扰动力：随机推力 50-100 N，持续 0.1-0.3 s
次优先级：
- 关节摩擦 / 阻尼、连杆质心偏移
- 地面接触刚度（软泥 / 硬地）
- 地形高度噪声（凹凸不平）
实务范围设定：从真机标称值 ±20% 起步，policy 不收敛就降到 ±10%；可部署后再扩展。
易错：DR 不是越宽越好——randomization 过大会让 policy 学不出明确策略（变保守的 "走得最慢但永远不摔"）；与 curriculum 配合，从窄到宽逐步扩展是惯例。
L2 🔥×5 Q41 · Hwangbo 等人的 actuator network 解决了什么问题？为什么单纯随机化电机参数不够？
答：Hwangbo et al, Science Robotics 2019（ANYmal 上验证），是腿足 sim2real 奠基工作之一。
问题：仿真器电机简化为"指令 → 力矩"线性模型，真实电机有：① 谐波减速器非线性摩擦 / 间隙；② 电流环动态（ms 级低通）；③ 编码器延迟；④ 高速扭矩-速度耦合。单纯随机化 PD 增益 + 力矩限制抓不到这些——sim 中走得好的策略到真机抖。
Actuator Network：在真机记录大量 (位置/速度/指令 → 实际力矩) 数据，训 MLP 拟合，然后换掉仿真器的电机模型。
效果：ANYmal 学到敏捷动态技能（如跑跳、从倒地起身），sim 训练后直接零样本部署到真机——2019 年的标杆结果之一。
与 DR 关系：互补。actuator net 抓确定性非线性，DR 抓随机性变化（样机差异、温度漂移）；两者并用是腿足 sim2real 黄金组合。
易错：actuator network 每代硬件要重训——换电机或减速器后旧网络失效，是 product life cycle 的 hidden cost。
L2 🔥×5 Q42 · IsaacGym → IsaacLab → MJX / MuJoCo Playground 这条仿真器演进路线，每一代解决了什么痛点？
答：
| 仿真器 | 解决了什么 |
|---|---|
| IsaacGym（2021-2024 EOL） | GPU 并行（数千 envs），RL 训腿足从天降到小时 |
| IsaacLab（2024-） | 接班 IsaacGym；物理后端可换 Newton；统一 IsaacSim 渲染 |
| MJX / MuJoCo Playground（2024-） | JAX-MuJoCo，全 GPU + 全开源，不绑 NVIDIA |
痛点演进：IsaacGym 解算力但视觉弱 + 接触粗糙 + 私有 PhysX；IsaacLab 解视觉 + 资产但仍绑 NVIDIA；MJX 解开源但工业级视觉仍弱。
实务选择：腿足本体感觉 RL → MJX；视觉 + 多机器人 + 工业部署 → IsaacLab；老项目 → IsaacGym（新项目不建议，已 EOL）。
易错：legged_gym 等老仓库迁到 IsaacLab 不是无痛，资产格式 / API 都有 breaking changes。
L2 🔥×4 Q43 · 仿真到真机一般会先做 sim-to-sim（如 IsaacGym → MuJoCo）验证，为什么这一步很关键？
答：sim-to-sim（在第二个不同仿真器里跑同一策略）是 sim2real 前的"廉价金丝雀"。
为什么有用：① 接触模型差异——IsaacGym（PhysX）和 MuJoCo（软接触）对接触建模不同，策略只在一个仿真器 work 说明对仿真细节过拟合；② 零成本验证，先发现问题；③ 跨仿真器表现是 sim2real readiness 的代理指标。
Humanoid-Gym 等流程：训练 IsaacGym（4096 envs 快）→ 验证 MuJoCo（接触模型不同）→ 真机 Unitree H1/G1。
典型失败模式：sim1 跑得好 → sim2 摔 → 必然 sim2real 失败。常见原因：接触延迟假设不一致；学到特定接触模型的 trick（利用 PhysX 不准做能量回收）；关节限位边界处理不同。
易错：sim-to-sim 不能替代 actuator network / DR——它只验证"策略对仿真细节的鲁棒性"，不能补偿真机的非建模动力学。
L2 🔥×3 Q44 · 腿足机器人感知 locomotion（perceptive）里 height map / elevation map / depth camera 各自的取舍？
答：
| 表示 | 优势 | 劣势 |
|---|---|---|
| Height map | 紧凑（16×16）、维度低 | 离散化误差、遮挡需 inpaint |
| Elevation map | 历史融合、抗短时遮挡 | 计算 / 内存开销大 |
| Depth 原始 | 最丰富、保留 3D | 数据量大、样本需求高 |
主流选择：ANYmal / Unitree → LiDAR + height map（PIM）；Boston Dynamics Spot → 双目 + elevation map；GA-PHL → 下方 depth + U-Net 实时重建 height map。
为什么不用 RGB：腿足策略对几何（高度）敏感，对颜色不敏感——depth 信息密度匹配需求。
易错：height map 不是单帧 depth——而是投影到机器人下方网格后的图；坐标变换 + 遮挡处理是工程难点，新手常忽略。
L3 🔥×3 Q45 · 触地接触瞬间的非连续性怎么处理？仿真器里软接触 vs 硬接触的取舍？
答：脚接触瞬间速度 / 力跳变——仿真和真机最容易不一致的地方。
两种接触模型：
| 硬接触 / 冲量 | 软接触 / 罚函数 | |
|---|---|---|
| 形式 | LCP / NCP | $f = k\delta + b\dot\delta$ |
| 代表 | Bullet、ODE、PhysX | MuJoCo |
| 优势 | 无穿透、物理正确 | 快、可微 |
| 劣势 | 解器迭代多、冲量模型速度非连续 | 有可感知穿透 |
MuJoCo 特殊做法：soft constraint with stiff parameters——可调到接近刚体但仍数学连续，求解快且稳；这是 MuJoCo 成 RL 主流的关键。
腿足 sim2real 实务：① 软接触穿透会让策略学"利用穿透做能量回收"trick → 真机失败；② 接触刚度调到 1e5-1e7 N/m；③ 加 actuator network 补差异。
易错：MuJoCo 默认软接触对快速跑跳偏弹——训练后策略会"利用弹力"；要主动调硬或加阻尼，否则真机零样本失败。
低频备选（频次 1-2，未入主表）
以下题目出现频次低（1-2 次），供参考，未纳入主表题号。
L2 🔥×2 N1 · 谐波减速器 vs 行星减速器：人形哪些关节用哪种？为什么？
答：人形关节的两类主流减速器：
| 谐波减速器（harmonic） | 行星减速器（planetary） | |
|---|---|---|
| 减速比 | 高（30-200:1） | 低-中（3-30:1） |
| 体积 / 重量 | 紧凑、轻 | 体积大 |
| 反向间隙 | 几乎无 | 有（约 5-15 弧分） |
| 精度 | 高 | 中 |
| 成本 | 高（哈默纳科 / 绿的等） | 低 |
| 寿命 | 5000-10000 小时 | 较短，依赖润滑 |
人形典型选型：
- 小臂 / 腕 / 手：谐波减速器（精度高、轻量）—— 特斯拉 Optimus 旋转关节用谐波 + 框架电机
- 大腿 / 髋部：常用大功率行星 + QDD（quasi-direct drive）方案，要承载高动态冲击
- 膝盖：两种都见——力大用行星，对精度要求高用谐波
易错：QDD（直驱风格的小减速比电机）正在取代部分关节的谐波——它牺牲精度换抗冲击和透明力控；Mini-Cheetah、宇树系列大量使用 QDD。
L2 🔥×2 N2 · 串联弹性致动器（SEA）和直驱（QDD）在腿足里各有什么优劣？
答：
| SEA（串联弹性） | QDD（准直驱） | |
|---|---|---|
| 结构 | 电机 + 减速器 + 弹簧 | 大扭矩电机 + 小减速比（5-10:1） |
| 力控 | 测弹簧形变得力矩 | 反推电流估力矩 |
| 抗冲击 | 弹簧吸收 | 电机本身被动柔顺 |
| 控制带宽 | 受弹簧动态限制 | 高带宽（直接控） |
| 代表 | NASA Valkyrie、IIT COMAN、ANYmal 腿部 | MIT Mini-Cheetah、宇树 Go / G1、Solo |
SEA 历史：2010-2020 是 NASA Valkyrie / IIT COMAN 等电驱人形的主流（ATLAS 液压、ASIMO 位置伺服皆非 SEA）。
QDD 接管原因：① 永磁同步电机 + 高磁链让小减速比也能给足扭矩；② 无串联动力学、控制直接、带宽高；③ Mini-Cheetah 2018 证明跑跳可行；④ 维护简单。
易错：SEA 不是过时——KUKA iiwa 类协作机械臂内部仍用 SEA 做柔顺；QDD 是腿足主流，但不是机器人界唯一答案。
L3 🔥×2 N3 · 为什么轮足机器人控制器主流是 LQR，而四足是 MPC？两者的本质区别是什么？
答：轮足 = 轮 + 双腿（Ascento 等），本体是连续接触的倒立摆。
轮足偏 LQR：① 轮子持续接触，无接触模式切换，动力学连续；② 简化后接近线性倒立摆，LQR 一次离线解 Riccati 就够；③ 实时算力极低。
四足偏 MPC：① 接触模式频繁切换（trot / bound），LQR 跨切换无能；② 摩擦锥、力上限是硬约束，LQR 无法处理；③ MPC 滚动重规划可处理 contact schedule。
本质区别：轮足 = 状态空间稳定问题（经典控制）；四足 / 人形 = 约束 + 切换的混合系统（必须 MPC / 学习）。
前沿：人形 RL policy 越来越像"广义 MPC"（隐式优化 + 网络拟合），LQR / MPC / RL 边界在融合（RL-augmented MPC）。
易错：不能说"LQR 落后"——简单系统下 LQR 解析 + 可调 + 可证明稳定性仍是工业首选；MPC 在复杂系统不可替代但不是万能更优解。
§H 手撕代码（控制类，10 题）
控制理论 + 状态估计 + 运动学手撕题。频次 ≥3 入卷，宁缺毋滥。语言用纯 numpy + 标准库，每段 ≤30 行 idiomatic 实现。
L1 🔥×9 ✍ CH01 · 手撕位置型 / 增量型 PID
考察点：PID 三项物理意义；位置型 vs 增量型公式差异；离散化 dt 处理；D 项放反馈避免设定值阶跃尖峰。
实现：
class PID:
def __init__(self, Kp, Ki, Kd, dt):
self.Kp, self.Ki, self.Kd, self.dt = Kp, Ki, Kd, dt
self.integral = 0.0
self.prev_err = 0.0 # e(k-1)
self.prev_prev_err = 0.0 # e(k-2)，增量型 D 项要
self.prev_meas = 0.0 # 位置型 D 项放反馈量
def position(self, sp, y):
# 位置型：u(k) = Kp·e + Ki·Σe·dt + Kd·(-Δy/dt)
e = sp - y
self.integral += e * self.dt
d = -(y - self.prev_meas) / self.dt # 反馈微分，避免设定值阶跃尖峰
self.prev_meas = y
return self.Kp * e + self.Ki * self.integral + self.Kd * d
def incremental(self, sp, y):
# 增量型：Δu = Kp·(e-e₁) + Ki·e·dt + Kd·(e-2e₁+e₂)/dt
e = sp - y
du = (self.Kp * (e - self.prev_err)
+ self.Ki * e * self.dt
+ self.Kd * (e - 2 * self.prev_err + self.prev_prev_err) / self.dt)
self.prev_prev_err, self.prev_err = self.prev_err, e
return du # 累加到上一步 u 上由调用方负责易错：位置型必须配 anti-windup（→ CH02）；增量型需保存 e(k-2) 才能算 D；D 项放误差时 setpoint 阶跃 → 微分尖峰，工程上一律放反馈量。
L2 🔥×7 ✍ CH02 · 手撕 PID 抗积分饱和（anti-windup）
考察点：饱和来自执行器限幅 + 积分持续累加；clamping / back-calculation 两种主流做法；只限输出不限积分仍会 windup。
实现：
class PIDAW:
def __init__(self, Kp, Ki, Kd, dt, u_min, u_max, Kb=None):
self.Kp, self.Ki, self.Kd, self.dt = Kp, Ki, Kd, dt
self.u_min, self.u_max = u_min, u_max
# 反算增益典型 Kb = 1/T_t，T_t≈T_i=Kp/Ki → Kb≈Ki/Kp（Åström 经验）
self.Kb = Kb if Kb is not None else Ki / max(Kp, 1e-6)
self.integral = 0.0
self.prev_err = 0.0
def step_backcalc(self, sp, y):
# back-calculation：用 (u_sat - u_unsat) 反推压制积分
e = sp - y
d = (e - self.prev_err) / self.dt
u_unsat = self.Kp * e + self.Ki * self.integral + self.Kd * d
u_sat = max(self.u_min, min(self.u_max, u_unsat))
# 积分更新含饱和反馈项；若未饱和该项为 0，退化为普通 PID
self.integral += (e + self.Kb * (u_sat - u_unsat)) * self.dt
self.prev_err = e
return u_sat
def step_clamp(self, sp, y):
# clamping：积分项与误差同号且输出已饱和 → 暂停积分
e = sp - y
d = (e - self.prev_err) / self.dt
u_unsat = self.Kp * e + self.Ki * self.integral + self.Kd * d
saturated = (u_unsat >= self.u_max) or (u_unsat <= self.u_min)
if not (saturated and (e * u_unsat > 0)):
self.integral += e * self.dt
self.prev_err = e
return max(self.u_min, min(self.u_max, u_unsat))易错：只限 u 不限 integral → 仍 windup；Kb 过大过度补偿 → 欠调；双向饱和需上下限都判。
L2 🔥×7 ✍ CH03 · 手撕一维 / 多维卡尔曼滤波（KF）
考察点：预测 + 更新两步；Kalman gain 在 prior 与 measurement 间权衡；Joseph form 协方差更新数值稳定；Q / R 物理含义。
实现：
import numpy as np
class KF:
def __init__(self, A, B, H, Q, R, x0, P0):
# x_{k+1} = A x + B u + w, z = H x + v; w~N(0,Q), v~N(0,R)
self.A, self.B, self.H = A, B, H
self.Q, self.R = Q, R
self.x, self.P = x0.copy(), P0.copy()
def predict(self, u):
self.x = self.A @ self.x + self.B @ u
self.P = self.A @ self.P @ self.A.T + self.Q
def update(self, z):
S = self.H @ self.P @ self.H.T + self.R # 创新协方差
K = self.P @ self.H.T @ np.linalg.inv(S) # Kalman gain
y = z - self.H @ self.x # innovation
self.x = self.x + K @ y
# Joseph form：对 K 任意值都保证 P 对称半正定，比 (I-KH)P 稳
I = np.eye(self.P.shape[0])
IKH = I - K @ self.H
self.P = IKH @ self.P @ IKH.T + K @ self.R @ K.T
# 一维退化：A=B=H=1，所有矩阵 → 标量，K = P_pred / (P_pred + R)易错：Q（过程噪声）与 R（测量噪声）颠倒；用 (I-KH)P 朴素式数值上易破坏对称性；初始 P₀ 过小 → 滤波器过度自信、收敛慢甚至发散。
L2 🔥×6 ✍ CH04 · 手撕 EKF 预测 + 更新步
考察点：非线性 → 工作点 Jacobian 线性化；innovation 用 h(x) 而非 H·x；F、H 必须在最新状态处重算。
实现：
import numpy as np
def ekf_step(x, P, u, z, f, h, F_jac, H_jac, Q, R):
# f(x,u), h(x) 是非线性函数；F_jac/H_jac 返回相应 Jacobian
# —— 预测 ——
x_pred = f(x, u)
F = F_jac(x, u) # ∂f/∂x 在 (x,u) 处
P_pred = F @ P @ F.T + Q
# —— 更新 ——
H = H_jac(x_pred) # ∂h/∂x 在 x_pred 处（务必重算）
S = H @ P_pred @ H.T + R
K = P_pred @ H.T @ np.linalg.inv(S)
y = z - h(x_pred) # 均值用非线性 h，不要用 H·x_pred
x_new = x_pred + K @ y
I = np.eye(P.shape[0])
IKH = I - K @ H
P_new = IKH @ P_pred @ IKH.T + K @ R @ K.T # Joseph form
return x_new, P_new易错：innovation 写成 z - H·x_pred（线性化只用于协方差传递，均值预测仍用 h）；F / H 在旧 x 处算未更新；强非线性下不切 UKF / IEKF 会发散。
L3 🔥×6 ✍ CH05 · 手撕 LQR 离散 Riccati 迭代
考察点：离散代数 Riccati 方程（DARE）不动点迭代；反馈律 u = -K x；与 KF 对偶（LQG）；Q 半正定 / R 正定要求。
实现：
import numpy as np
def dlqr(A, B, Q, R, eps=1e-9, max_iter=2000):
# 离散系统 x_{k+1} = A x + B u，二次代价 J = Σ(x'Qx + u'Ru)
# 反向迭代 DARE：P_{k+1} = A'P A - A'P B (R + B'P B)^{-1} B'P A + Q
P = Q.copy()
for _ in range(max_iter):
BtPB = B.T @ P @ B
K = np.linalg.solve(R + BtPB, B.T @ P @ A) # 暂存当前 K
P_next = A.T @ P @ A - A.T @ P @ B @ K + Q
if np.max(np.abs(P_next - P)) < eps:
P = P_next
break
P = P_next
# 收敛后用最终 P 算稳态反馈增益
K = np.linalg.solve(R + B.T @ P @ B, B.T @ P @ A)
return K, P # 控制律 u = -K @ x易错：连续 / 离散 Riccati 公式弄混；R 必须正定（否则 R+B'PB 可能奇异）；用 inv() 而非 solve() 数值不稳；工作点必须是平衡点（线性化前提）。
L2 🔥×6 ✍ CH06 · 手撕四元数 ↔ 旋转矩阵互转
考察点：q = (w, x, y, z)；q → R 闭式；R → q 按 trace 分支避数值不稳；Hamilton vs JPL 约定；ROS / Eigen 顺序差。
实现：
import numpy as np
def quat_to_rot(q):
# q = (w, x, y, z)，单位四元数
w, x, y, z = q
return np.array([
[1 - 2*(y*y + z*z), 2*(x*y - w*z), 2*(x*z + w*y)],
[2*(x*y + w*z), 1 - 2*(x*x + z*z), 2*(y*z - w*x)],
[2*(x*z - w*y), 2*(y*z + w*x), 1 - 2*(x*x + y*y)],
])
def rot_to_quat(R):
# Shepperd 法：先看 trace，再按对角最大分量分支以避免 0 除
tr = R[0, 0] + R[1, 1] + R[2, 2]
if tr > 0:
s = 2.0 * np.sqrt(1.0 + tr) # s = 4w
w = 0.25 * s
x = (R[2, 1] - R[1, 2]) / s
y = (R[0, 2] - R[2, 0]) / s
z = (R[1, 0] - R[0, 1]) / s
else:
i = np.argmax(np.diag(R)) # 选最大对角分量分支
j, k = (i + 1) % 3, (i + 2) % 3
s = 2.0 * np.sqrt(1.0 + R[i, i] - R[j, j] - R[k, k])
q = [0.0] * 4
q[0] = (R[k, j] - R[j, k]) / s # w
q[i + 1] = 0.25 * s
q[j + 1] = (R[j, i] + R[i, j]) / s
q[k + 1] = (R[k, i] + R[i, k]) / s
w, x, y, z = q
q = np.array([w, x, y, z])
return q / np.linalg.norm(q) # 浮点漂移后归一化易错：(x,y,z,w) vs (w,x,y,z) 顺序弄反；R → q 不分支 trace 接近 -1 时 sqrt 内值 → 0 数值爆炸；忘记 q 与 -q 双覆盖（插值 / loss 要 disambiguate）。
L2 🔥×6 ✍ CH07 · 手撕数值 IK（Jacobian 伪逆 / DLS）
考察点：循环 残差→Jacobian→Δq→更新；伪逆奇异处发散；DLS 加阻尼防爆炸；步长 clamp。
实现：
import numpy as np
def ik_dls(fk, jac, q0, x_target, lam=0.05, alpha=0.5,
tol=1e-4, max_iter=200, dq_max=0.2):
# fk(q) → 末端位姿向量；jac(q) → 雅可比 (m×n)
q = q0.copy()
for _ in range(max_iter):
e = x_target - fk(q)
if np.linalg.norm(e) < tol:
return q, True
J = jac(q)
# Damped Least Squares：J⁺_DLS = J'·(J·J' + λ²·I)^{-1}，奇异处仍数值稳
JJt = J @ J.T
damp = (lam ** 2) * np.eye(JJt.shape[0])
dq = J.T @ np.linalg.solve(JJt + damp, e)
# 步长 clamp 防单步过大震荡 / 跨越奇异
n = np.linalg.norm(dq)
if n > dq_max:
dq *= dq_max / n
q = q + alpha * dq
return q, False易错：奇异附近用纯伪逆 → 关节速度爆炸；α 过大震荡发散、过小收敛慢；忽略关节限位（重活岗会追问 weighted clamping / null-space）。
L1 🔥×5 ✍ CH08 · 手撕互补滤波（IMU 姿态估计）
考察点：陀螺仪短期准但漂移、加速度计长期稳但噪声大；互补 = 高/低通组合；yaw 仅 acc + gyro 不可观要靠磁力计。
实现：
import numpy as np
class CompFilter:
def __init__(self, alpha=0.98, dt=0.005):
# alpha 大 → 更信陀螺（短期）；alpha 小 → 更信加速度（长期）
self.alpha, self.dt = alpha, dt
self.roll = 0.0
self.pitch = 0.0
def step(self, gyro, acc):
# gyro = (gx, gy, gz) rad/s；acc = (ax, ay, az) m/s²
gx, gy, _ = gyro
ax, ay, az = acc
# 加速度反算静态 roll / pitch（去重力分量）
roll_acc = np.arctan2(ay, az)
pitch_acc = np.arctan2(-ax, np.sqrt(ay * ay + az * az))
# 陀螺积分给短期；加速度给长期校正
self.roll = self.alpha * (self.roll + gx * self.dt) + (1 - self.alpha) * roll_acc
self.pitch = self.alpha * (self.pitch + gy * self.dt) + (1 - self.alpha) * pitch_acc
return self.roll, self.pitch # yaw 不可观，需 mag / 视觉补易错：α 取反（应陀螺权重大）；单位 deg/s 与 rad/s 混；忘记 yaw 不可观；角度跨 ±π 跳变没 unwrap。
L1 🔥×5 ✍ CH09 · 手撕齐次变换 / DH 正向运动学
考察点：齐次矩阵 T = [R, p; 0, 1]；DH 4 参数 (a, α, d, θ)；本实现用改进 DH（Craig），与标准 DH（Spong）矩阵形式不同；FK 由 T 连乘。
实现：
import numpy as np
def dh_link(a, alpha, d, theta):
# 改进 DH（Craig）：T_i^{i-1} = Rot_x(α_{i-1})·Trans_x(a_{i-1})·Rot_z(θ_i)·Trans_z(d_i)
ct, st = np.cos(theta), np.sin(theta)
ca, sa = np.cos(alpha), np.sin(alpha)
return np.array([
[ct, -st, 0.0, a],
[st * ca, ct * ca, -sa, -sa * d],
[st * sa, ct * sa, ca, ca * d],
[0.0, 0.0, 0.0, 1.0],
])
def fk(dh_params, q):
# dh_params: [(a, alpha, d, theta_offset), ...]；q: 关节角向量
T = np.eye(4)
for (a, alpha, d, theta_off), qi in zip(dh_params, q):
T = T @ dh_link(a, alpha, d, theta_off + qi)
# 末端位姿：左上 3×3 为 R，右上 3×1 为 p
return T # T[:3,:3] = R_end, T[:3,3] = p_end易错：Craig 与 Spong 不可整链混用（前者坐标系固定在近端、Rot_x 先做；后者固定在远端、Rot_z 先做）；连乘顺序应 base → end。
L3 🔥×4 ✍ CH10 · 手撕 MPC 的 QP 矩阵构造
考察点：N 步预测视域展开 X = ·x₀ + B̂·U；二次代价整理为 0.5·U'HU + g'U；不等式约束写成 A·U ≤ b；H 对称化 + 正则。
实现：
import numpy as np
def build_mpc_qp(A, B, Q, R, Qf, x0, N, u_min, u_max):
# x_{k+1} = A x + B u；预测 X = [x_1; ...; x_N] = Ahat·x0 + Bhat·U
n, m = A.shape[0], B.shape[1]
Ahat = np.zeros((N * n, n))
Bhat = np.zeros((N * n, N * m))
Ai = np.eye(n)
for i in range(N):
Ai = A @ Ai # A^{i+1}
Ahat[i * n:(i + 1) * n] = Ai
for j in range(i + 1):
# 第 i 行第 j 列块 = A^{i-j} · B
Bhat[i * n:(i + 1) * n, j * m:(j + 1) * m] = np.linalg.matrix_power(A, i - j) @ B
# 堆叠权重：terminal cost 用 Qf，否则 Q
Qbar = np.kron(np.eye(N), Q); Qbar[-n:, -n:] = Qf
Rbar = np.kron(np.eye(N), R)
H = Bhat.T @ Qbar @ Bhat + Rbar
H = 0.5 * (H + H.T) + 1e-8 * np.eye(H.shape[0]) # 对称化 + 正则保证 PSD
g = Bhat.T @ Qbar @ Ahat @ x0 # 线性项依赖初始状态
# 输入约束 u_min ≤ U ≤ u_max（broadcast 到长度 m 向量后再堆叠 N 次）
u_lo = np.broadcast_to(u_min, (m,)).ravel()
u_hi = np.broadcast_to(u_max, (m,)).ravel()
G = np.vstack([np.eye(N * m), -np.eye(N * m)])
h = np.hstack([np.tile(u_hi, N), -np.tile(u_lo, N)])
return H, g, G, h # 交给 OSQP / quadprog；取 U[:m] 作为本步控制易错：H 不强制对称正定数值上不收敛；漏 terminal Qf 短视域不稳定；friction cone 直接二次约束变 SOCP（必须线性化为金字塔）；预测 dt 与控制 dt 不一致。