山谷里有一条很窄的溪流。溪水不深，却很会骗人：有些石头看起来稳固，踩上去便会转动；有些石头长着青苔，鞋底一碰就往旁边滑；还有些石头原本坚硬，等山风一吹，便开始轻轻摇晃。

溪边住着一位老人，他铸造了一个铜人。

铜人有两条腿、两只手，胸口装着一只盛满水的银壶。老人每天让它过溪，要求很简单：银壶里的水不能洒，铜人的脚不能踩进水里。

起初，老人把一条路线刻在铜人的脑中：

“先踩左边的大石，再踩中间的白石，最后跳到对岸。”

铜人便照着路线行走。第一天，天气晴朗，溪水安静，它顺利走到了对岸。

第二天，溪水涨了一寸。铜人依旧踏向那块白石，白石却被水流冲得微微偏转。铜人为了保持平衡，猛地伸出手臂，银壶里的水洒了一半。

第三天，山风从侧面吹来。铜人提前抬起手臂，想抵挡风，却因为用力太大，身体向另一侧倾斜，脚底在石面上打了滑。

老人没有责骂它，只问：

“你为什么总是照着昨天的路走？”

铜人回答：

“因为昨天这样走是对的。”

老人摇摇头，把溪边的石头重新排列了一番，又在水面上放了几片会随水漂移的木板。

这一次，老人没有告诉铜人该踩哪一块石头，只给它三条规矩：

“身体不能倒下，银壶不能倾斜，脚不能离开可以承受你的地方。至于下一步往哪里去，你自己决定。”

铜人站在溪边，先没有迈步。

它看见前方三块石头：第一块很近，但表面湿滑；第二块稍远，却比较平；第三块最稳，可一旦踩上去，身体就必须大幅转动。它还感觉到风正从右侧吹来，溪水正在冲击左脚附近的石缝。

铜人的胸腔里响起细小的齿轮声。

它没有试图把整条溪流一次想完，只在心中推演了几步：如果左脚踩近处的石头，身体会向右偏；如果右手向外伸，银壶虽然能保持平稳，脚底却会承受过大的扭力；如果先让髋部稍稍转向，再把重量压到第二块石头上，也许能留下更多余地。

它选了第二块石头。

脚掌落下的一瞬间，石头果然滑了一点。铜人没有坚持原来的姿势，而是立刻改变膝盖的弯曲角度，让手臂向相反方向移动，同时减轻落在脚底的重量。

溪水又涨了一点。

刚才推演出的后面几步，已经不再完全适用。铜人便把它们丢在身后，重新观察眼前的石头、风向和身体姿态。

它每次只认真对付眼前的一步，却总要提前想象接下来的几步。

走到溪中央时，一块木板突然漂来，撞在它的脚踝上。铜人没有僵住，也没有按照旧路线硬闯，而是把手臂、腰部和另一条腿一起调动起来：一边保持银壶水平，一边把碰撞的力分散到身体各处，再把脚落在一块更可靠的石头上。

最后，它终于走到了对岸。

银壶里的水只少了一滴。

老人望着它，问道：

“你这次学会了哪一条路？”

铜人低头看向溪流。

“没有哪一条路。”它说，“我只是不断猜测接下来几步会发生什么，然后在真正迈出下一步时，再根据新的情况改正猜测。”

老人笑了。

后来，山谷里的人给这种走法取了一个名字：全身模型预测控制。

他们说，真正高明的行走者，并不是提前写好一条永远正确的路线，而是让身体成为一个会预测、会权衡、会重新计算的整体。它既要知道自己可能怎样运动，也要考虑脚下的接触、身体的平衡、手中物体的稳定，以及力量是否已经超过关节和地面的承受范围。

而它最重要的本领，是永远只执行计划中最前面的那一步。

因为溪流不会等待计划写完。

---

概念解释：全身模型预测控制

故事讲的是具身智能人形机器人中的全身模型预测控制，英文通常称为 Whole-Body Model Predictive Control，WB-MPC。

它的核心思想是：

1. 机器人根据当前的身体状态、环境信息和动力学模型，预测未来一小段时间内可能发生的运动。
2. 在这段预测范围内，计算一组较好的动作，使机器人尽量满足目标，同时避免摔倒、打滑、碰撞或超出关节能力。
3. 机器人只执行这组动作中最前面的一小部分。
4. 执行后重新感知环境和自身状态，再重新预测和计算。

这就是一种“滚动地平线”或“滚动优化”的控制方式。

故事中的隐喻对应：

• 铜人：具身智能人形机器人。
• 溪流：不断变化、充满不确定性的真实环境。
• 石头和木板：机器人与地面的接触点，以及可能移动或不稳定的支撑面。
• 银壶里的水：任务目标，例如保持手中物体稳定、避免物体掉落。
• 不能倒下、不能踩入水里、不能让银壶倾斜：控制约束，包括平衡约束、接触约束、碰撞约束和任务约束。
• 风和水流：外部扰动与模型误差。
• 手臂、腰部、双腿一起调整：全身控制。机器人不是只控制脚，而是协调腿、腰、手臂和躯干共同完成动作。
• 提前推演几步：模型预测。机器人利用动力学模型预测不同动作会怎样影响身体姿态、接触力和物体稳定性。
• 走一步后重新计算：模型预测控制的滚动优化机制。
• 不再坚持旧路线：控制器依靠实时反馈修正模型预测，而不是盲目执行预先写好的动作序列。

传统的预设轨迹适合环境稳定、变化较少的任务；而人形机器人面对的是接触复杂、扰动频繁的现实世界。全身模型预测控制的价值，就在于把“未来几步的预测”和“眼前一刻的反馈”结合起来，让机器人在行动中持续修正自己。