步態(tài)的選擇，也就是我們是走路還是跑步，對于我們來說是非常自然的事，我們甚至都未曾想過它。我們慢慢地走路，快速地奔跑。如果我們在跑步機上慢慢加快速度，我們就會從一開始的慢慢走路，在某個臨界點變成跑步；這一切地發(fā)生都是不由自主地，因為那樣感覺更舒服。

　　我們已經(jīng)習(xí)慣了這一點，當(dāng)我們看到奧運會賽道上有人快速地走路時，就會覺得特別有趣。幾乎所有動物都會自動選擇步態(tài)，盡管有時步態(tài)不同。例如，馬往往以慢速行走，以中速疾馳，以高速馳騁。是什么讓我們覺得低速適合行走，高速適合跑步呢？我們怎么知道我們必須改變選擇，為什么我們不像馬那樣跳躍或馳騁呢？究竟是什么構(gòu)成了走路、跑步、小跑、疾馳以及其他可以在自然界找到的步態(tài)？

　　密歇根大學(xué)機器人與運動實驗室（RAM-Lab）的C. David Remy博士領(lǐng)導(dǎo)的研究團隊對此及相關(guān)問題非常感興趣，原因非常簡單：他們希望打造敏捷、快速而節(jié)能的腿式機器人。使用不同步態(tài)的能力可能是這項任務(wù)中的關(guān)鍵因素，因為對人類和動物有益的可能對腿式機器人同樣有利。

　　這仍然是一個很大的“可能”，因為我們目前不知道使用不同的步法是否會真正獲得回報，或者機器人適合的步態(tài)看起來如何。它們會以某種形式的走路或跑步，還是一些完全不同的東西？

　　在自然界，生物力學(xué)研究表明，步態(tài)的選擇與運輸?shù)哪芰砍杀久芮邢嚓P(guān)。這個成本表明移動特定距離需要消耗多少卡路里。對許多動物而言，這是一項重要措施，食物往往是稀缺資源，高效的運動可能是生存的關(guān)鍵。

　　為了理解步態(tài)對運輸成本的影響，研究人員可以通過測量人或動物在使用不同步態(tài)行走時消耗的氧氣量來估算能量消耗。使用這種技術(shù)已經(jīng)表明，在低速狀態(tài)下，只需要較少的能量就可以走路，而在高度下，跑步所使用到的能量反而更少。

　　為了了解機器人是否也能實現(xiàn)同樣的節(jié)能，Remy博士的團隊使用大規(guī)模的數(shù)值優(yōu)化。也就是說，在建立了一個腿式機器人的計算機模型后，他們基本上要求一種算法來自動找到最有效的經(jīng)濟的前進方式。也就是說，他們發(fā)現(xiàn)成本最小化的運動。

　　計算機通過簡單地嘗試以一種系統(tǒng)化的方式解決這個難題，使用模型腿向前移動的任何可能方式。這些優(yōu)化的結(jié)果非常顯著。即使計算機沒有先前的走路、跑步或步態(tài)的概念，通過此過程出現(xiàn)的最佳運動與自然界中發(fā)現(xiàn)的步態(tài)和步態(tài)序列非常相似。

　　通過改變每個運動的目標(biāo)速度，然后可以識別最佳步態(tài)序列。令人驚訝的發(fā)現(xiàn)是，基本上沒有驚喜：為了以盡可能少的能量移動，雙足機器人應(yīng)該以低速走路和高速跑步；四足機器人則要分走路、疾馳和馳騁。值得注意的是，盡管動物和機器人在結(jié)構(gòu)和動作方面存在巨大差異，但仍然發(fā)現(xiàn)了這一結(jié)果。