2026年10月14日，Science Robotics 发表了一篇论文，主角是一辆"会杂技"的自行车。它叫 UMV（Ultra Mobility Vehicle），重 23.5 公斤，完全蹲伏时高 0.8 米。它能原地定车，能翘着前轮前进，能单用后轮像袋鼠一样跳着走，能一口气前空翻，还能自己助跑、跳上 1 米高、相当于其名义身高 130% 的台子。

它最高时速 8 米/秒。最离谱的是：做到这一切，它全身只有5 个电机（5 个执行自由度）。这篇文章想讲清楚三件事：为什么机器人一直要在"快"和"灵"之间二选一；UMV 是怎么用最少的机械玩出最多的花样；以及——这件事对机器人设计意味着什么。

01 机器人的老难题：要么跑得快，要么跳得高

先看背景。机器人界一直有个尴尬的取舍。

腿式机器人擅长翻越障碍：波士顿动力的 Atlas 能跳上箱子、跃过障碍；四足机器人 ANYmal 能爬过比它站立身高还高的箱子。代价是"腿"的结构非常复杂——双足机器人每条腿通常有 6 个自由度，四足机器人每条腿 3 个，加起来都是12 个执行自由度。

自由度越多，质量越大、成本越高、计算越复杂、机械故障风险也越高。

轮式机器人正好相反：最少只要 2 个自由度，又快又省电，在平坦路面上是效率之王。但它们几乎过不了任何像样的障碍。

于是有了"轮腿混合"机器人——把腿的脚换成轮子，比如 Ascento（4 个自由度）、Diablo、Handle。它们确实兼顾了一些，但都是"并排双轮"布局：轮子左右排列，天然更宽、更重，还需要额外的悬挂机构来处理侧倾和形变。

而自行车是"前后单轨"：轮子一前一后。它天生窄、轻、灵活，但——更难稳定。

顶尖的攀爬自行车运动员早就证明了一件事：一辆自行车可以跳上障碍、从静止起跳跃出长距离、在窄梁上通行、只用单个轮子平衡。山地车手则证明了它的简单和皮实，能应付陡坡和崎岖地形。

问题是：怎么让机器做到？

02 低速平衡的老问题：加陀螺仪？那只是"只增重不干活"

自行车作为控制研究的对象，历史很长。高速时靠转向就能稳定——Ghostrider、MOTOBOT 都靠转向实现了高速自动驾驶。

麻烦出在低速。速度一慢，光靠转向就稳不住了。过去的常规解法是加辅助稳定机构：反应轮、控制力矩陀螺、摆锤、可变拖曳距连杆……这些装置确实能让车"站住"，但它们只增加质量，不贡献任何推进力或敏捷性——是纯负担。

UMV 的思路不一样：让一个机构同时干两件事——跳跃和平衡。

它的方案，是在自行车上装一个"反应质量"：一个被强电机驱动、可自由摆动的头部。跳跃靠它发力，平衡也靠它摆——用角动量守恒稳住车身，而不是靠额外的陀螺仪。

此前有人探索过"基于动量的自行车跳跃"，但只停留在仿真里。UMV 把它带到了真机上。

03 23.5公斤、5个自由度：把全部家当"堆到头上"

UMV 由三个部件组成：头、颈、车体。

5 个自由度是这样分配的：转向、后轮驱动各占 1 个，剩下 3 个全部在头部。头部通过一套空间连杆（脖颈 + 左右两根拉杆）连接车体，可以相对车体上下摆动、左右倾斜。

核心设计思想是：把机器人的质量尽可能集中到"头"上。电池、电脑、跳跃电机……几乎全部家当都装在头部。为什么？因为跳跃时，头部处在最高点，它对跳高成绩的敏感度最低——同样的质量加在低位是负担，加在高位则更像"配重"。

这很像杂技演员：把重心收在躯干，四肢尽量轻，才能在空中做动作。

结构上也下了功夫：头部是 7075-T6 铝合金框架，外覆碳纤维增强复合材料防滚架和泡沫缓冲层；颈部是两半加工、中空走线的 7075-T6"蛤壳"结构，又轻又抗扭；车体则是一辆儿童碳纤维平衡车（Specialized Hotwalk）加上镁合金加强结构，后轮由皮带直接驱动。

跳跃电机采用永磁同步电机 + 单级行星减速 + 同步带，控制器以 8 kHz 的频率闭环。

04 "电老虎"：跳一次台子，瞬间吃掉4.5千瓦

杂技是要吃电的。跳上 1 米高台那一下，系统峰值功率冲到4.5 千瓦，持续 0.25 秒，总线电压瞬间跌落最多 20 伏。

为了喂饱这一口，团队把电池固件的放电上限从原来的 4640 瓦/23 毫秒，放宽到 7356 瓦/80 毫秒——用电池循环寿命换瞬时爆发。落地瞬间电机反被车轮反向驱动、变成发电机，还要用"再生钳位"防止反电动势把上游的电子设备打坏。

一台机器人，玩出了电赛车的能量管理。

05 杂技不是代码写出来的，是"练"出来的

UMV 的控制核心是深度强化学习：在英伟达 Isaac 仿真环境里训练，然后把策略零样本部署到真机——仿真里练会的动作，直接搬到实验室就能用。

训练用 PPO 算法，一共 4 套策略：驾驶、翘头-跳、空翻、跳跃。

关键点在于：大多数动作不需要人工指定接触时序和参考轨迹，只要设计一套多目标奖励函数，让 AI 自己摸索怎么做。为了跨越"仿真到现实"的鸿沟，训练时做了大量领域随机化——质量、摩擦系数、电机强度、控制增益、执行延迟、观测噪声、随机外力，全都随机扰动。

安全底线靠"硬约束"兜住：触地速度超标、机械功率超限、关节撞限位、电机过扭、轮速过高、机身撞地——任何一个触发，回合直接终止。为了让策略在这么严的约束下还能学进去，约束是课程式渐进的：先松后紧，先把动作学会，再逐步逼进安全边界内。

单个动作的训练量从 1.5 万到 4.2 万次迭代不等。

06 真机验收：它真的全会

驾驶和倒车。倒车天然不稳定（论文明确说，自行车倒着走本身是失稳的），但学出来的策略让它正着倒着都能开。

原地定车。几乎不动地停在原地——只用转向和后轮就能做到，加上头部摆动还能更稳。

原地转圈（shimmy turn）。它抬起前轮、以后轮为支点，靠头部反应质量快速"踏步"，让车身原地转向。这个动作不是工程师设计的——是策略自己摸索出来的。它是"从未被显式设计、却自然涌现"的控制策略。

翘头和单轮跳。同一套策略，既能连续翘头，也能只用后轮"跳着走"，实现任意方向的独轮移动——在狭窄空间里非常好用。

跳台。自主定位到台前、助跑、跳上 1 米高的台子、开过去、从另一侧跳下、再来一次。论文记录了连续 15 次自主跳跃的轨迹：爬升阶段几乎完全重合，只有落地冲击后才出现分散——策略的精度可见一斑。

前空翻。起跳后，它"收腹"——把身体蜷起来，大幅减小绕俯仰轴的转动惯量，旋转速度随之飙升，最高约17 弧度/秒，不到半秒完成整圈，带着相当大的冲击落地，然后稳稳过渡回行驶姿态。

07 为什么重要：机器人的"减法学"

UMV 最高时速 8 米/秒——超过大多数四足机器人的常规巡航速度，和轮腿机器人的天花板（ANYmal on Wheels 的 10 米/秒、宇树 B2-W 的 6 米/秒）站在同一档。

它的设计哲学，论文里有一句非常漂亮的话："UMV 的设计中缺什么，和有什么一样重要。"

没有反应轮，没有脚撑，没有稳定的支撑多边形。稳定性不是靠机械"长"出来的，而是靠计算"算"出来的——惯性、动量、控制，全是动态的。

对机器人行业来说，这指向一个可能被低估的方向：与其堆自由度、堆机械复杂度，不如用高带宽的学习型控制，把机械上的"欠驱动"变成运动上的"全都要"。

应用场景也清楚：城市快递、崎岖地形的长距离侦察——又窄又快，还能越过障碍。

下一步，团队在做的事包括：给机器人加自复位能力（摔倒后自己爬起来，且不增加自由度）、用 LiDAR-惯性里程计替代动作捕捉、用生成式仿真替代静态随机化。项目由现代汽车集团旗下的 Robotics and AI 研究所资助。

从"腿和轮的取舍"到"只有 5 个自由度"，UMV 走的不是堆料路线，而是减法路线。

这背后至少有三点，值得所有做工程的人想一想：

第一，把质量放在对的地方。同样的质量，放在低位是负担，放在高位是优势——设计不是加减法，是位置的艺术。

第二，让 AI 自己找方案。原地转圈的动作不是人设计的，是策略在奖励函数驱动下自己涌现的。有些方案，人脑真的编不出来。

第三，用"约束"而不是"轨迹"教机器人。给底线，给奖励，剩下的交给训练——这比手写每一帧动作高效得多。

我们总以为，机器人的"灵"来自更复杂的机械。UMV 给出的答案是反过来的：把机械做到极简，把聪明留给控制。

那么问题来了：如果给你一辆自行车机器人，你最想让它学会什么动作？欢迎在评论区聊聊。

Science Robotics 2026年10月14日论文 System design of the Ultra Mobility Vehicle: A driving, balancing, and jumping bicycle robot（第11卷第119期）， DOI: 10.1126/scirobotics.aed3627。