运动控制（双足行走控制）
控制机器人关节实现稳定行走、跑跳和全身协调的技术层，是人形机器人「能动」的基础，也是软硬件协同的集中体现。
关键玩家 · 5 家（来自公司库）
定义
运动控制（motion control / locomotion control）是机器人系统中负责将高层指令转化为关节力矩指令的技术层，目标是使机器人在非结构化环境中保持稳定、高效的运动。对于双足人形机器人，运动控制需要解决欠驱动（under-actuated）系统的动态平衡问题——重心高、支撑面小，任何扰动都可能导致跌倒——同时满足实时性（毫秒级控制周期）要求。
为什么重要
运动控制是人形机器人从「站着的工具」变成「能在真实环境中自由移动」的前提条件。行走稳定性直接影响上游的感知和下游的操作：机器人抖动或摔倒，所有其他能力都无从发挥。对整机厂商而言，运动控制能力也是最直观的技术展示窗口，是吸引客户与投资人的第一张名片。
技术现状
主流方法路线分为三类：① 模型预测控制（MPC）——基于动力学模型实时优化，鲁棒性强、可解释，Boston Dynamics 长期代表；② 强化学习（RL）——在仿真中大量试错学习策略，在复杂地形泛化上表现出色，Unitree 等新兴公司积极采用；③ 端到端学习——直接从感知到关节指令，减少手工工程，但训练难度更大、安全性需额外保障。当前趋势是混合路线——传统控制提供稳定基线，学习方法补充泛化能力。全身协调（loco-manipulation，边走边操作）是下一个技术攻关热点，要求运动控制与上肢操作同步优化。
谁在做
Boston Dynamics 是业界标杆，Atlas 代表液压转电驱的最高水位；Unitree 以 Go 系列与 H 系列快速迭代，强化学习路线明显；Agility Robotics 的 Digit 聚焦工业步行场景；Apptronik 和 Figure AI 在快速建立各自的运动控制基线。
数据待补
各平台运动控制的量化指标（步行速度、抗扰能力、续航）分散在各家技术文档，标准不统一，暂只放已核实的技术路线，不放未经核对的对比数字。