一篇于2026年10月14日提交至arXiv的机器人研究提出PolyMorph，尝试让同一套强化学习步态策略适配双足、三足和四足等不同腿型机器人，而不是为每种机器人单独设计控制器。论文称，该方法已在仿真中的多种机器人形态和真实四足机器人平台上进行测试。论文原文
PolyMorph的核心是把机器人的URDF结构文件转换为关节—连杆模块，再交由结合循环状态编码器、图结构Transformer和逐关节解码器的策略网络处理。这样，策略不仅读取当前运动状态，也能利用机器人的关节数量、连杆质量、惯量和运动连接关系等形态信息，生成与具体身体结构匹配的动作。对于不同数量的腿和执行器，系统通过填充、有效动作掩码和逐关节输出维持统一接口。
论文还针对多形态联合训练中的三个实际问题进行了处理。第一，不同机器人因关节或腿的数量不同，奖励尺度可能不一致，因此研究者对部分奖励进行形态归一化。第二，较容易学习的机器人可能在训练中占据更多有效样本，方法据此提高对低奖励形态的采样概率。第三，传统控制系统往往需要为每个平台手动调节PD参数，PolyMorph尝试根据URDF推导出的质量矩阵自动初始化相关增益，以减少平台迁移时的工程调整。
这项工作的价值不只是让一个模型“认识”更多机器人，更在于把跨形态复用推进到控制训练和部署环节。如果结果能够在更多硬件、不同执行器和复杂地形上复现，机器人设计团队就有可能先改动机械结构，再利用共享策略快速进行测试，从而缩短设计—验证周期。对于具身智能而言，这也回应了一个关键问题：通用能力不能只体现在语言或视觉理解上，还要能适应身体结构变化。
但目前信息仍应谨慎解读。该成果是arXiv预印本，相关性能主要由论文作者报告，尚不能等同于经过独立复现实验的行业标准。论文展示了跨双足、三足和四足形态的仿真与真实平台部署，但不同机器人之间的任务范围、硬件差异和长期稳定性仍需要更多公开测试。尤其是从受控实验环境迁移到负载变化、传感器噪声和复杂户外地形时，统一策略是否仍能保持安全性和可靠性，还有待验证。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
