1 发展历史
1.1 早期仿人机器人
20世纪60年代末至70年代，日本早稻田大学研发出WABOT系列机器人，首次实现了双足步行。这些早期仿人机器人虽具备了基本运动能力，但其动作僵硬、速度缓慢，无法完成任何杂技动作。它们的主要目标在于验证双足步行的可行性，控制算法主要基于静态平衡，即每一步都需要身体重心完全落在支撑脚内才能移动，这与杂技所要求的动态连续动作相去甚远。
1.2 杂技机器人的萌芽（20世纪90年代）
20世纪90年代，随着计算能力的提升和传感器小型化，机器人开始尝试更复杂的运动。1996年，本田推出P2机器人，首次实现了真正意义上的动态行走；1997年的P3和2000年的ASIMO进一步提升了平衡能力。同一时期，日本产业技术综合研究所（AIST）的HRP系列机器人开始引入倒立摆控制模型，使机器人能够在不稳定状态下维持平衡。这些技术进步为杂技动作的实现奠定了基础。1999年，索尼的QRIO机器人展示了小跳步和快速转身，被视作杂技机器人的早期萌芽。
1.3 现代代表性项目（如波士顿动力Atlas、本田ASIMO的后期变体）
进入21世纪第二个十年，杂技机器人迎来爆发。波士顿动力公司的Atlas机器人于2013年首次亮相，最初采用液压驱动，体形庞大但动作笨拙。经过多次迭代，2017年Atlas实现了后空翻，震惊了全球机器人领域。后续几年，Atlas连续展示了跑酷、倒立、旋转跳跃等高难度动作，成为杂技机器人的标杆。
本田ASIMO在后期（2011-2018年）增加了跳跃能力（虽然幅度较小）、单脚跳和踢足球等动作，但受限于结构设计，始终未能实现翻跟头。此外，中国的优必选Walker、宇树科技H1等也陆续展示了空翻和舞蹈动作，丰富了杂技机器人的谱系。
2 机械结构与动力学
2.1 关节与驱动器
2.1.1 高扭矩伺服电机
高扭矩伺服电机是杂技机器人最常用的驱动器，尤其在中小型平台中。这类电机具有响应快、控制精度高的特点，通过减速器放大扭矩后，可提供关节所需的大力矩。例如，宇树H1机器人的膝关节采用了大扭矩伺服电机，在空翻起跳瞬间能输出超过200牛·米的力矩。电机的散热和过载保护是设计难点，因为杂技动作常需要短时超额定功率输出。
2.1.2 液压与气动助力系统
对于大型高动态机器人（如Atlas），液压系统提供了无可比拟的功率密度。Atlas采用液压泵驱动线性执行器，能实现超过5马赫的关节移动速度，并产生数千牛的压力。液压系统的优势在于力量大、耐冲击，但缺点包括泄漏、噪声和能源效率低。气动助力系统则较少用于杂技机器人，因其响应慢、控制精度差，但在某些仿生柔性结构中仍有应用。
2.2 骨架与轻量化材料
2.2.1 碳纤维与钛合金应用
为了在高动态运动中降低惯性、提高机动性，杂技机器人的骨架广泛使用碳纤维和钛合金。碳纤维具有极高比强度（强度与重量比），常用于机器人四肢和躯干的主梁；钛合金则用于承受高应力且需要一定韧性的连接件（如关节转轴）。例如，Atlas的腿部骨架由3D打印的钛合金和碳纤维混合结构制成，整体重量控制在80公斤左右（对于1.5米高的机器人而言相当轻巧）。
2.2.2 柔性蒙皮与缓冲结构
部分杂技机器人会在金属骨架外包裹柔性蒙皮，其作用包括保护内部器件、减少碰撞损伤以及改善外形美观。蒙皮材料常选用聚氨酯弹性体或硅胶。此外，在足底、膝盖和手掌等落地接触部位，会安装缓冲结构（如蜂窝状橡胶垫或弹簧），以吸收落地冲击，防止部件损坏。
2.3 动力学模型
2.3.1 多刚体动力学
杂技机器人的运动可抽象为多个刚性连杆通过关节连接的系统。牛顿-欧拉法或拉格朗日法是建立多刚体动力学方程的常用方法。通过解算各连杆的加速度与力矩关系，可预测机器人在给定驱动力下的运动状态。Atlas的模型包含超过30个自由度的微分方程，实时求解需要高性能计算硬件。
2.3.2 倒立摆模型与零力矩点（ZMP）
倒立摆模型是双足机器人平衡控制的基础简化方法。机器人被等效为一根倒立摆，通过调整摆锤（身体）的角度来维持直立。零力矩点（ZMP）是衡量机器人是否稳定的关键概念：如果ZMP落在支撑多边形（如脚掌范围内）内部，则机器人不会翻倒；反之则会失去平衡。杂技动作中的空翻和跳跃过程中，ZMP会短暂离开支撑区域（双脚离地），这使得传统ZMP方法失效，需要结合其他技术。
2.3.3 软体动力学初探
近年来，研究者开始探索将软体材料引入杂技机器人，例如在关节处使用柔性气囊或弹性脊柱。软体动力学涉及超弹性材料和连续介质力学，其优势在于抗冲击和被动顺应性。例如，加州大学伯克利分校的“Salto”跳跃机器人采用了柔性肌腱，使跳跃高度提升了30%。不过，软体机器人目前难以实现精准的翻跟头动作，多作为辅助结构使用。
3 感知与控制
3.1 传感器系统
3.1.1 惯性测量单元（IMU）
IMU是杂技机器人的核心姿态感知器件，通常包含三轴加速度计和三轴陀螺仪。通过融合两者数据（如采用互补滤波或卡尔曼滤波），可实时获得机器人的倾角和角速度。Atlas在躯干和头部各安置了一套IMU，实现冗余测量。高动态动作中，IMU的采样率需达到1kHz以上，且需具备抗振动性能。
3.1.2 力/力矩传感器
在机器人足底和腕部安装六维力/力矩传感器，可测量地面反作用力和接触力矩。这些数据对平衡控制和落地缓冲至关重要。例如，当机器人单脚着地时，力传感器反馈的实际接触点位置，帮助控制器及时调整踝关节力矩以维持平衡。杂技动作中的冲击力可能达到静态体重的5倍，传感器需过载保护设计。
3.1.3 视觉与激光雷达（LiDAR）
部分杂技机器人利用立体相机或LiDAR感知环境，以便在非结构化地形上执行动作。视觉系统可以识别前方障碍物高度、台阶距离等，为跳跃时机提供参考。LiDAR则提供精准的三维点云，帮助构建地面高程图。不过，在快速翻转时，视觉信息可能因运动模糊而失真，因此杂技动作更多依赖IMU和触觉反馈，视觉主要用于宏观路径规划。
3.2 控制系统架构
3.2.1 顶层轨迹规划
顶层轨迹规划负责生成整个动作的离散序列。例如，一个后空翻动作可分解为：下蹲蓄力、起跳、空中收腿、头部后仰、落地前展体、着地缓冲。规划器会基于动力学模型计算出每个阶段的目标关节角序列，并设定时间节点。部分规划器还会考虑能量最优，如最小化峰值扭矩。
3.2.2 中层平衡控制
中层控制器负责在执行轨迹规划的同时维持动态平衡。它接收来自IMU和力传感器的实时反馈，并与规划值进行比较，计算出修正量。例如，在空中阶段，如果实际角动量偏离期望值，控制器会调整手臂或腿的位置来改变转动惯量。这一层通常采用线性二次型调节器（LQR）或模型预测控制（MPC）。
3.2.3 底层伺服与反馈调节
底层伺服系统直接控制各关节的电机或液压阀。它接收中层发送的目标位置、速度和转矩信号，通过PID（比例-积分-微分）或前馈控制使实际值快速跟踪目标。底层更新速率通常为1kHz以上，以应对杂技动作中的高频扰动，例如落地瞬间的冲击。良好的底层控制需要精确的关节角度编码器和电流环。
3.3 经典控制算法
3.3.1 模型预测控制（MPC）
MPC在杂技机器人控制中扮演重要角色，尤其在跳跃和空翻中。它基于机器人动力学模型，预测未来若干时间步的状态，并求解在满足约束（如关节限位、地面接触）下的最优控制输入。例如，Atlas的后空翻控制器采用了非线性MPC，以20毫秒的步长滚动优化。MPC的缺点是对计算资源要求高，且需要精确的模型参数。
3.3.2 滑模控制
滑模控制是一种非线性的鲁棒控制方法，适用于模型不确定性和外界扰动较大的场景。在机器人走钢丝或失衡恢复时，滑模控制器能迫使系统状态在滑动面上运动，快速消除误差。其代价是可能产生“抖振”现象，即高频颤振，需要通过边界层或自适应方法缓解。
3.3.3 强化学习在动态动作中的应用
近年来，深度强化学习为杂技机器人带来了新的突破。研究者将机器人关节扭矩作为动作空间，将翻滚成功、落地速度等设为奖励函数，通过大量模拟训练，智能体学会了多种从未编程的杂技动作。例如，加州大学伯克利分校的“DeepLoco”项目能让虚拟角色学会跑酷。然而，从模拟到真实环境的“sim-to-real”迁移仍是一个挑战，需要域随机化等技术。
4 典型杂技动作与实现
4.1 翻滚与前空翻
4.1.1 起跳阶段
起跳阶段是前空翻的动力来源。机器人首先降低重心（屈膝、弯腰），然后迅速伸展下肢和躯干，同时手臂向后摆动以获得初速度。髋、膝、踝三关节的协调至关重要：若踝关节发力过早，机器人可能会前倾摔倒；若发力滞后，则跳跃高度不足。通常采用逆动力学计算找到最优起跳角度。
4.1.2 空中姿态调整
一旦双脚离地，机器人便无法再通过腿的推力产生扭矩，只能依靠改变四肢的相对位置来调整角动量。例如，将手臂向前上方伸直可以减少绕腰轴的转动惯量，从而加快前空翻速度；反之，将手臂收拢可增加转速。Atlas在空中能通过臂部和腿部的联动实现1.5倍体长的水平位移。
4.1.3 落地缓冲与平衡恢复
落地时，机器人需先以脚趾接触地面，然后迅速过渡到全脚掌。同时，膝关节和髋关节主动屈曲（类似人体下蹲）以吸收能量，并通过力传感器反馈反作用力，由控制器快速调整各关节力矩，防止向前或向后倾倒。如果落地后重心偏离过多，机器人会迈出一步补偿，称为“步进平衡”。
4.2 后空翻
4.2.1 与人类后空翻的异同
机器人后空翻与人类动作在原理上相似：都需要向后跳跃并旋转180°。但人类依靠脚踝和小腿肌肉发力，而机器人通常通过腰部电机和腿部推力的组合产生旋转力矩。差异在于，人类脊柱灵活，可在空中调整背部弯曲；机器人则用刚体结构，只能靠四肢运动改变转动惯量。此外，人类依靠内耳前庭系统和视觉感知姿态，而机器人依赖IMU。
4.2.2 动量轮辅助技术
部分机器人（如宇树H1）在后空翻时会利用一个内部高速旋转的动量轮。当机器人需要增大角速度时，动量轮通过电机加速，产生反作用扭矩传递至机器人本体，帮助更高效地完成翻转。这一技术常用于航天器姿态控制，在机器人上属于跨界应用。空中结束后，动量轮只需减速即可停止，不会影响落地姿态。
4.3 走钢丝与平衡木
4.3.1 动态行走策略
走钢丝要求机器人在窄支撑面上保持横向平衡（侧向稳定）和前后稳定（行走方向）。动态行走策略借鉴了人类杂技演员的“步频快、步幅小”原则。控制器会将足底力传感器的横向力作为反馈量，实时调整踝关节和髋关节的横向扭矩。典型的机器人如本田ASIMO能在一根20毫米宽的模拟钢丝上行走数米。
4.3.2 抗扰动算法
当外界扰动（如风吹或钢丝晃动）发生时，机器人需要快速调整。抗扰动算法通常采用“捕捉点”（Capture Point）理论：一旦感知到重心偏离，控制器会立即决定迈出一步（或连续多步），将捕捉点重新落到支撑域内。此外，手臂的摆动也被用于抵消扰动，类似人类走钢丝时挥舞长杆。
4.4 双手倒立与单手倒立
4.4.1 上肢力量分配
倒立时，机器人全身重量由手臂支撑，要求肩、肘、腕三关节具备足够强度。双手倒立相对容易：机器人体重均匀分配于两臂，重心位于手掌连线中点的正上方。控制器需实时调节手臂和躯干的几何构型，使重心落在一个稳定的支撑三角形内。单手倒立则需要将重心精确控制在单掌上方，对腕关节的俯仰和侧倾控制要求极高。
4.4.2 手腕柔性关节设计
为了实现更好的倒立稳定性，部分机器人将手腕设计为柔性关节（带有弹簧或柔顺性减速器）。这种设计允许手腕在小范围内被动回弹，吸收微小扰动，避免刚性碰撞导致失控。例如，丰田的T-HR3机器人在其腕部加入了被动柔顺机构，使其能勉强完成数秒的单手倒立，尽管时常失败。
5 应用场景
5.1 舞台表演与主题乐园
杂技机器人作为高科技演出者，出现在环球影城、迪士尼等主题乐园的舞台剧中。例如，波士顿动力的Atlas曾与真人舞者共同编排现代舞，其精准的翻滚和倒立动作成为视觉焦点。在中国，宇树科技的四足和双足机器人也参与过春节联欢晚会的表演。这类应用要求机器人具备防水、防尘和长时间续航能力，同时外形设计需符合角色设定。
5.2 体育训练模拟与动作分析
在体育科学领域，杂技机器人可用于模拟高难度动作（如体操的空翻、滑雪的跳跃）。通过调整机器人的质量分布和控制参数，研究人员可分析不同动作的生物力学特征，帮助运动员优化技术。例如，利用机器人模拟后空翻时不同的起跳角度对落地成功率的影响，为教练提供数据支持。
5.3 搜索与救援（越障与跳跃）
杂技机器人的越障能力使其在灾害现场中具有应用潜力。在地震废墟、坍塌建筑物中，机器人可通过跳跃或翻滚方式越过瓦砾堆。日本东京大学开发的HRP-5P机器人曾试验在模拟废墟中借助后空翻跨越约1米宽的沟壑。不过，实际搜救环境的不确定性对传感器和算法提出了巨大挑战，目前仍以实验室研究为主。
5.4 教育科普与开源项目
市面上已有多种开源杂技机器人套件，如Ollie（机器人专用平衡套件）和Mini Cheetah（四足机器人但可做空翻）。这些平台让学生和爱好者在编码、机械设计过程中理解平衡控制和动力学原理。北京大学的“悟空”机器人开源项目提供了针对杂技动作的ROS（机器人操作系统）软件包，降低了学习门槛。
6 挑战与未来展望
6.1 能源与续航瓶颈
杂技动作的能耗极高。一台80公斤级机器人在完成一次后空翻时的瞬时功率可达10千瓦以上，而现有锂电池的能量密度（约200瓦时/公斤）只能支持不超过10分钟的连续高强度运动。未来需发展更高能量密度的电池（如固态电池、氢燃料电池）或能量回收技术（如利用落地压缩储能）。
6.2 高动态下的鲁棒性
当前杂技机器人的成功动作往往经过数千次调参，且对地面硬度、环境温度等条件敏感。一旦地面光滑或机器人部件出现微小磨损，动作就可能失败。提高鲁棒性需要更强的自适应控制算法，例如在线学习并更新动力学模型，或者将接触检测的灵敏度提升至微米级。
6.3 人机安全交互
当杂技机器人与人类共处同一空间（如舞台表演）时，安全性是首要问题。机器人失控后可能因高速翻转而撞击人类，造成伤害。目前措施包括：加装限位传感器和紧急制动系统、使用轻质缓冲外壳、以及通过力控制实现“软接触”（一旦检测到碰撞立即停止运动）。未来还需开发紧密协作模式下的行为预测算法。
6.4 人工智能与具身智能融合
6.4.1 端到端学习
端到端学习方法将原始传感器数据（如视觉画面、触觉信号）直接映射为关节扭矩指令，无需中间动力学模型。这种方法在仿真中已能实现复杂的跑酷和杂技，但在真实机器人上仍受限于样本效率和计算延迟。OpenAI的Dactyl虽只能操作物体，但展示了端到端学习的潜力。
6.4.2 多机器人协作杂技
单个机器人能力有限，未来可能会出现多机器人协同完成的杂技动作，例如两台机器人互相投掷、或搭建人塔。此类场景需要高速通信和联合优化，涉及多智能体强化学习。2018年，ETH Zurich曾演示两台四足机器人同时跳跃并交换位置，这是多机器人协作杂技的初始尝试。
7 知名项目与趣味记录
7.1 波士顿动力Atlas系列
Atlas无疑是杂技机器人的代名词。2017年11月，Atlas实现了首个机器人后空翻，视频在YouTube上获得超过2000万次播放。2021年起，Atlas展示了更丰富的动作库：连贯后空翻、旋转跳跃、倒立行走、甚至跑酷动作（如“猫跳”和“侧手翻”）。波士顿动力公司曾表示，Atlas的动作成功率约为80%，失败时会出现各种“翻车”场景（详见第8.3节）。
7.2 本田ASIMO与“不老”之舞
ASIMO虽然未能实现后空翻，但它的舞蹈动作（包括原地转圈、前俯后仰、挥臂扭腰）在2000年代广受欢迎。2018年，ASIMO在一次公开表演中跳了一支保留曲目“不老之舞”，糅合了七个小谐谑的杂技动作，如倒立（借助墙壁）和单脚旋转。不过，随着本田于2018年宣布停止开发ASIMO，这台机器人的杂技生涯也随之落幕。
7.3 丰田Humanoid的极限平衡测试
丰田公司自2000年开始开发Humanoid系列机器人（T-HR系列），其重点在于平衡。T-HR3（2017年）成功实现了走钢丝（钢丝直径约25毫米）和用一根手指支撑倒立（尽管时间极短）。丰田在技术文档中公布了大量平衡实验数据，包括在单腿站立时被施加不同方向的外部推力，机器人通过迈步补偿重新稳定。
7.4 全球首个机器人后空翻吉尼斯世界纪录
2020年，中国宇树科技旗下的四足机器人B2（后升级为H1）在权威机构认证下完成了全球首个机器人后空翻吉尼斯世界纪录。该纪录要求机器人原地起跳并完成360°后空翻，落地后保持直立至少2秒。B2成功实现，其后衍生型号H1更将纪录延伸至“连续两次后空翻”。这一纪录极大地促进了大众对双足机器人商业化的兴趣。
8 文化与伦理
8.1 “机器人杂技”是否算真正的艺术？
这一问题在艺术界引发辩论。支持者认为，杂技机器人的动作经过精密编排和技术实现，具有审美价值，是人类创造力的延伸；反对者则认为机器人缺乏情感、即兴性和“失误美学”，其演出不过是程序的机械执行。然而，越来越多剧场开始接受机器人作为表演者，例如英国皇家芭蕾舞团曾将Atlas的舞蹈片段纳入现代芭蕾，声称“机器人在精确性和重复性上超越了人类，创造了新的动作语汇”。
8.2 机器人与人类演员的竞争与共生
一些杂技演员担忧机器人会抢走工作机会，尤其在主题乐园和大型晚会上，机器人可以连续工作且不需要保险和休假。但实践表明，机器人更擅长完成固定的、高风险的杂技动作（如徒手后空翻），而人类演员在即兴互动、情感表达和个性化表演上具有优势。许多演出中，机器人与人类相互配合：机器人做高难动作，人类做过渡和表情表演。未来可能形成“混合演员”的新职业。
8.3 幽默的“翻车”集锦：机器人的摆烂瞬间
随着杂技机器人的普及，技术失败片段也成为了网络娱乐的一部分。著名的“翻车”案例包括：Atlas在测试中后空翻后直接扑倒在地，类似于人类醉酒；ASIMO在舞台上转圈时失去平衡撞上道具；宇树H1在室外演示时被风吹倒并导致翻滚。爱好者将这些片段剪辑成“机器人摆烂集锦”，播放量甚至超过成功视频。这些幽默瞬间不仅化解了技术焦虑，也提醒人们：机器人的完美只是暂时的，而意外才是进步的动力。