大部分轮腿结合的机器人仍然只活跃在研究领域，目前也只有少数轮腿机器人平台，能够进入商业化阶段的更是凤毛麟角。

　　提到四足机器人，很多人首先想到的是波士顿动力的 Spot 机器人狗。实际 上，基于 苏黎世联邦理工学院机器人系统实验室（ Robotic Systems Lab，RSL)技术的四足机器人一直不输于波士顿动力。 比如，已经商业化的 ANYmal 四足机器人。

　　已经商业化的ANYmal 四足机器人正在某工厂执行自主检查任务。该机器人已经部署到了马来西亚国家石油公司、壳牌石油、西门子能源、巴斯夫等公司。

　　作为一款坚固耐用的四足机器人，ANYmal没有轮子，靠四条机械腿行走，能穿越不平坦的地形，也能爬楼梯。

　　最近，同样由 RSL 衍生而来的另一家机器人公司 Swiss-Mile 宣布正在将另一种四足机器人——带有轮子的轮腿机器人商业化。他们将宇树科技的四足机器人硬件平台与公司的 AI技术结合起来，提供一套端到端的通用物流系统解决方案，将轮腿机器人应用于现实世界。

　　官方视频中，踩着四轮的轮腿机器人像滑板少年一样自由畅游在大街上，时而飞速前进，时而闲庭信步，上下楼梯如行云流水，能轻松越过单边桥一样的斜坡障碍。装有固定轮子并没有让机器人丧失步行能力，在轮子效率不高的情况下，机器人依然能在 “穿着轮滑鞋” 的前提下步行完成一些移动、调整方向等任务。

　　相比之下，尽管波士顿动力的 Spot 已经开卖，仍然会遭遇一些翻车的情况。

　　在过去，机器人要么像 ANYmal、Spot一样倾向于使用腿，要么使用轮子移动，大部分轮腿结合的机器人仍然只在研究领域，目前也只有少数轮腿机器人平台。像Swiss-Mile 这样正在实现轮腿机器人商业化的可谓凤毛麟角。 在此之前仅有 波士顿动力在 2020 年宣布两轮人形机器人 Handle 和自动驾驶公司 OTTO Motors 达成合作，在仓库组队搬砖，但后续商业化进展如何也没了下文。

　　Swiss-Mile 的轮腿机器人可承载最多 60 公斤负荷，电池续航可达 5 小时，其他性能参数未见公开。不过，根据此前有关 RSL 轮腿机器人的报道，这类机器人运动速度非常快。当时 ANYmal 轮腿机器人移动速度达到 4 米 / 秒，作为对比螺杆泵，已经开始对外销售的四足无轮机器人 ANYmal C ，移动速度为 1 米 / 秒。

　　根据之前的报道，轮腿版 ANYmal 是一个 “盲眼” 机器人，不用摄像头和激光雷达，仅凭感觉就可以根据每条腿的轮子运动的效用，在滚动和步态之间无缝转换。数据良好时，机器人会像人类一样提前计划并快速行动。当数据集不完整、有噪音或具有误导性时，控制器会优雅地降级为本体感觉运动，机器人会像动物一样以更慢、更小心的方式继续移动，直至可再次依赖外部感知。

　　如果设计得当，机器人可以对轮子施加精细控制，轮子和腿加在一起会给机器人的移动性带来巨变——滚动效率比步行效率高得多，同时不失应对复杂地形的能力。Swiss-Mile 的轮腿机器人正好结合了轮式机器人在平坦路面上的高效率和足式机器人在崎岖路面上的越野能力，大大降低了运输成本。 Swiss-Mile 的机器人方案也比较务实，专注于需要综合速度和越障能力、但不涉及与人类交互的复杂空间场景。

　　公司 表示，与轮式送货平台和轻型送货无人机相比，轮腿机器人能实现更强大的动态运动，已经可以有效地克服平坦地形，越过台阶和楼梯等障碍物，并在室内和室外空间运载重型有效载荷，是一个兼顾速度和效率的通用物流系统解决方案。 而且， 轮腿机器人“多才多艺”，可完成不同任务。

　　这里有必要多说一下所谓的“多才多艺”。 其实，使用这台具身 AI 进行任何类型的实际操作都不算简单——和波士顿动力的 Handle 还有一双“手”不同，Swiss-Mile 的四肢都被设计为了腿，而不是手臂。

　　几年前，机器人学会了如何站立，这是一种有效的移动方式，释放了机器人开始用轮手进行操作的潜力。有意思的是，他们还成功地教会了机器人用四肢开门，甚至从桌子上抓起包裹并将其扔进盒子里。或许有一天，这些技能能派上用场——使用前腿作为手臂抓取包裹，将它们放在背部货舱中，然后重新四肢着地，沿着街道快速运输包裹。

　　2023 年 4 月，Swiss-Mile 注册成立。2023 年 12 月完成种子轮融资，投资者包括 Linear Capital、Agile Robots AG、红杉资本中国等。和 ANYbotics 一样，作为苏黎世联邦理工学院机器人系统实验室（RSL）的衍生企业，一直致力于四足机器人商业化，用于各种任务，包括测绘、检查、城市环境中的物流等。

　　Swiss-Mile创始人 Marko Bjelonic 是苏黎世联邦理工学院机器人系统实验室的博士，花了六年时间致力于机器人智能和轮腿机器人的开拓性研究。在Marko Bjelonic看来，人形机器人非常酷，但仍不确定它在实践中会有多大用处。一个理想的移动机器人应具有出色的移动性，能够快速有效地克服障碍，同时承载大量有效负载并适应广泛的应用场景。

　　Swiss-Mile 官宣商业化轮腿机器人的同时，RSL又 宣布了在四足机器人腿部运动控制方面取得的新进展，相关成果发表在了最新一期的 Science Robotics 上。他们在瑞士军事救援部队的训练设施中展示了这项控制策略的性能表现，非常惊艳。

　　研究认为，在地球上一些最具挑战性的环境中，大部分腿式机器人依然无能为力。为了应对这些现实场景的挑战，四足机器人的运动控制策略不仅要有准确性也要有鲁棒性。

　　传统的控制办法是逆动力学轨迹优化( trajectory optimization，TO )，这种办法有很有吸引力但也往往要求算法设计者有着充分的特定领域知识，如控制机器人的运动学方程、地面的形状、摩擦系数等，这在复杂地形中往往是难以实现的。

　　另一类深度强化学习方法更能出色完成通过复杂地形的任务，减少对特定领域知识的依赖，而且训练出来的策略往往更具鲁棒性。美中不足在于在现实世界中，奖励很稀疏，而今天大多数的强化学习算法都在与这种稀疏性斗争。

　　RSL的研究人员因此提出 了一种混合控制架构，结合了 TO 和 RL 的优点，同时实现了更高的鲁棒性、四足放置的精度和更广泛地形的适应能力。 或许在不久将来会应用到衍生公司的四足机器人商业化方案中，在更为挑战的恶劣救援环境中出现机器人的身影。