宇树运动控制面试，从零调通一个步态控制器有多难

大疆十篇写完，终于换公司了。宇树科技这四字在具身机器人圈子里的份量不用我多说——Go系列四足机器人卖了几万台，H1人形机器人一发布就刷屏全网。跟大疆面试偏系统工程不同，宇树的运动控制岗面试更像一场"手搓控制器的马拉松"，面试官巴不得你当场打开MuJoCo从零写一个能走路的机器人。这篇是宇树系列第一篇，聊运动控制算法工程师面试的核心内容：WBC全身控制、MPC模型预测控制和步态规划。宇树的技术栈非常明确——MuJoCo仿真+Isaac Gym训练+C++部署，面试全程围绕这套工具链展开。WBC全身控制：人形机器人面试的入场券宇树做H1人形机器人之后，WBC（Whole-Body Control）成了运动控制岗面试的必考内容。面试官问："WBC的核心思路是什么？跟传统的分离式控制有什么不同？"传统的机器人控制是分层分离的：上半身用逆运动学（IK）控制手臂末端执行器，下半身用独立的步态控制器管腿。问题是上下半身的运动耦合被忽略了——人形机器人在走路时摆臂，上半身的摆动会直接影响下半身的平衡。WBC的思路是把整个机器人的所有自由度（全身30-40个关节）放在一个统一的优化框架里同时求解。具体做法是建立一个二次规划（QP）问题：决策变量是所有关节的力矩或加速度，目标函数是加权的多任务误差（比如质心跟踪误差、末端位姿误差、关节限位惩罚），约束条件包括动力学方程、接触力约束（脚不能穿透地面）、摩擦锥约束和关节力矩限制。// WBC的QP问