让人形机器人边走边搬东西，难点不只是迈开腿：它还要协调躯干和手臂，在脚接触地面时不断修正动作，避免失去平衡。2026年8月发表于 Science Robotics 的这篇综述，梳理了人形运动控制数十年的演进，适合用来建立一张领域路线图。
据作者官方配套仓库，早期的经典控制依赖简化的动力学模型、控制理论和优化——工程师先近似写出机器人的运动规律，再实时求出满足平衡约束的动作。随着物理仿真、并行计算和强化学习成熟，控制策略开始从大量试错中学习；如今，生成模型、多模态和多任务控制又成为新前沿，目标也从“走稳”扩展到行走与操作的结合。
作者用三条原则贯通这些路线：物理建模、受约束的决策，以及适应不确定性，并把未来概括为结合优化、学习和预测推理的“物理引导生成智能”。不过，这是一篇路线综述而非单一方法的实验报告；现有材料未披露可供比较的具体性能数字，而安全、技术可及性和达到人类水平的能力仍是开放挑战。