9 月 3 日，来自卡内基梅隆大学、华中科技大学和 JoyIn AI 的研究者公开 BRIDGE：一套把人形机器人的关节布局、执行器选择和控制表现放进同一设计循环的方法，以及一台按该方法制造的小型实机。论文展示了走路、单脚平衡、弯腰转体和后空翻等动作，但其更有价值的部分不是动作清单，而是让控制训练的失败反过来修改身体设计。
这项工作解决的是人类动作数据与机器人身体之间的一层错配。常见流程先把硬件定型，再训练控制器适应既定关节和动力限制；BRIDGE 则问：如果目标本来就是复现人类动作，身体应当怎样设计，才能让这些动作既容易映射，又能在真实动力约束下执行？
控制失败会触发执行器和结构重算
BRIDGE 从人体模型中保留主要活动关节，再把不适合小型硬件的自由度压缩。以腰部为例，团队先比较滚转、俯仰、偏航的两两组合，再把候选缩至只保留滚转或偏航。偏航方案的运动学误差为 0.02602，闭环动态跟踪误差为 0.02115，均低于只保留滚转的 0.02752 和 0.02311，因此最终机体保留一个腰部偏航自由度。
接下来，算法先给 21 个关节配置体积最小的候选执行器，并把实测扭矩—转速边界、质量、转动惯量和安装空间写入仿真。当某项动作反复失败，系统不会只因为某个关节接近峰值就换电机；它还要求该关节在多个随机种子下持续饱和，并验证放宽边界后动作能够完成。确认瓶颈后，执行器升级会连带改变关节间距和全身质量分布，团队需重新生成 URDF、训练策略并重跑动作集。
最终配置使用 10、25 和 55 牛米峰值扭矩的三类执行器：肩和肘使用最小一档，髋关节俯仰与膝关节使用最大一档，其余关节使用中间一档。这里的“共同优化”并不意味着一个端到端模型同时输出所有机械图纸和控制权重，而是一套由运动学筛选、受执行器约束的结构优化、闭环训练和失败分析组成的迭代工程流程。
形态—控制共同优化本身并非全新概念。2025 年发表的 BodyGen 已把形态与策略一同优化，并讨论组合搜索空间和控制耦合带来的效率问题。BRIDGE 的增量在于把这种思路约束到约 90 厘米高的人形硬件，使用校准后的执行器边界，并把选出的形态制造成实机。
94.83% 是统一仿真条件下的论文内比较
论文提出一个“类人度”分数，把人类动作重定向到机器人后的运动学误差，与策略执行动作后的动态误差等权合并。BRIDGE 的分数为 0.5252，Bumi、K1 和 ToddlerBot 分别为 0.4321、0.4198 和 0.3883。相对最接近的 Bumi，BRIDGE 高约 21.5%。这个分数由作者定义，适合检验其设计目标，不能直接替代负载、续航、耐久性或操控能力等通用机器人指标。
更容易解读的是动作跟踪实验。团队为四种机体训练同一种 SONIC 控制策略，在 MuJoCo 中用 LaFAN1 与 bones_seed 合并动作集评测。BRIDGE 的成功率为 94.83%，高于 K1 的 92.66%、Bumi 的 91.87% 和 ToddlerBot 的 88.23%。因此，相对最强基线的差距是 2.17 个百分点，而不是 94.83% 的全面性能优势。BRIDGE 的平均关节位置误差为 0.0711，比 K1 的 0.1108 低约 35.8%，但论文没有提供独立团队复现实验。
这些比较控制了策略和仿真基准，却没有控制机体尺寸、质量、自由度和采购成本。它们回答的是“在作者设定的人类动作跟踪任务中，哪种现有形态更合适”，不是同价位产品横评。论文的实机视频说明所选身体和策略能够完成若干代表动作，但没有给出长时间运行、反复跌倒、不同地面、负载或外部团队操作的数据。作者也承认，小型机体限制了工作空间和复杂操作的负载能力。
论文发布了实机，开源材料尚未形成复现闭环
论文和项目页把 BRIDGE 描述为 88 厘米、约 13 千克、21 个主动自由度的开源平台，并报告约 1500 美元成本。不过，同一论文的对比表写成 0.8 米和 12.5 千克，项目材料因此还需要一份版本一致的规格表。更重要的是，成本没有可核对的完整物料清单，外部团队无法判断它是否包含计算单元、电池、加工、装配和备件。
截至 9 月 4 日，项目页可下载一个 STEP 格式 CAD 文件，但“代码”和“教程”链接仍标注为即将发布；页面还明确说，完整装配教程、电气规格、BOM，以及遥操作和高动态动作的训练、部署代码要等论文接收后再公开。项目页上的代码入口实际指向 GitHub 首页，而不是一个包含许可证、提交历史和可运行代码的仓库。独立机器人媒体 Robot Harbour 因此把它归为研究原型，并认为商业发货状态也未得到验证。
这与成熟开源平台已有的交付层次存在明显差距。例如 ToddlerBot 的公开仓库同时提供低层控制、强化学习训练、实机部署、测试、文档和 CAD 入口。BRIDGE 已经公开了论文、项目说明、CAD 与实机演示，足以让同行审查其方法和机械外形；但“能看见设计”与“能重建系统”之间，还缺电气连接、可采购物料、控制权重、训练配置、部署脚本和逐步装配验证。
因此，当前最准确的判断是：BRIDGE 已给出一个可检验的形态—控制共同设计方法，并用实机证明这条工程路线能够落地；它尚未证明一支外部团队可以按约 1500 美元复刻，并复现论文中的 94.83% 仿真成功率和实机动作。下一项关键证据不是更多演示视频，而是作者承诺的完整仓库上线，以及至少一次不依赖原团队的构建与复现实验。
