周開飛在電腦前坐了一個多小時，屏幕上是幾篇關於人形機器人驅動方案的論文，旁邊還攤著幾頁從行業論壇上扒下來的討論帖。
他看得很慢，因為很多術語不熟，碰到一個就要停下來查一下。桌麵上開了七八個標簽頁，輪著翻。
他原來以為機器人關節彈簧是個通用需求，隻要是做腿足式機器人的都需要。但翻了一個多小時資料之後，他發現事情跟他想的不太一樣。
他靠在椅背上，盯著屏幕上那張qdd和sea的結構對比圖，看了一會兒，拿起手機，翻到柳易繁的號碼，撥了過去。
柳易繁接起來的時候背景音很安靜：“怎麼了？”
“你那個機器人部門的同事，彭旭飛，他還在江城嗎？”
“前天就回上海了，怎麼了？”
“冇事，我查了點資料，有個問題想問他，電話裡也行。”
“你等一下，我把他微信推給你，你自己加。”
過了大概一分鐘，周開飛手機上收到一張名片。他點了添加，備註寫的是“開飛金屬周開飛，關於關節彈簧”。
彭旭飛那邊通過得很快，直接發了一條消息：“周總，什麼事？”
周開飛打字：“我查了一下人形機器人的驅動方案，好像主流的路線都是qdd，不怎麼用彈簧。你們那邊需要高性能彈簧，是用的sea方案嗎？”
過了大概三四分鐘，彭旭飛回了：“是。”
接著又補了一條：“波士頓動力最初就是sea路線，atlas的早期版本用過，後來轉向了液壓。qdd是現在國內主流的選擇，優勢是控製簡單、響應快，對彈簧冇什麼要求。”
“那你們為什麼還用sea？”周開飛問。
“qdd的抗摔倒能力太差，足端觸地瞬間的衝擊吸收能力有限。我們做的是高動態行走，qdd應付不了。”
彭旭飛那邊安靜了一會兒。周開飛以為他忙彆的事去了，正準備放下手機，消息又彈了出來。
"qdd這個方案，它之所以成為主流，是因為它回避了一個最難的問題。"
"什麼問題？"
"力控。"
彭旭飛發完這兩個字，像是找到了一個可以宣泄的出口，接連幾條消息彈出來。
"qdd的本質是位置控製疊加電流內環。你給電機一個位置指令，電機執行運動，依靠讀取電機電流來估算輸出力矩。力不夠就加大電流，力過大就削減電流。
它冇有硬件層麵的力感知元件，力的獲取完全依賴電機電流反推。這種方案的好處是控製框架簡潔，算法成熟，上手門檻低，對額外傳感器依賴小。大部分機器人團隊從qdd起步，是很合理的選擇。"
"但它的上限也很明顯。電流估算力矩會受齒輪摩擦、溫度影響，存在噪聲與漂移。遇到地麵鬆軟、路麵凹凸、突如其來的撞擊，需要極短時間內大範圍調整輸出。
這時候電流環的響應、減速器本身的機械強度就會成為瓶頸。換句話說，qdd在工況可預測的時候表現很好。地麵平整、擾動可以被算法提前預判，它就能發揮出色。一旦出現意料之外的尖峰衝擊，短板就會暴露出來。"
周開飛看得很慢，這屬於他的知識盲區。還冇看完，彭旭飛又發了兩條。
"sea就是專門為了解決這個問題設計的。它在電機減速器和輸出端之間串聯一個彈性元件，一般是彈簧或者扭簧。
電機轉動，先驅動彈簧形變，彈簧再把力傳遞給關節輸出。電機不需要直接硬剛負載突變，隻需要控製彈簧的壓縮量。負載突然變化的時候，彈簧先吸收衝擊，給控製係統留出響應窗口。"
"這個方案的優點很直觀，抗衝擊能力很強。遇到不平整地麵或者突然撞擊，彈簧先緩衝一部分能量。最重要的是，直接測量彈簧形變就可以得到真實輸出力矩，這是硬件層麵的力感知，不需要靠電機參數間接估算。"
過來了好一會，周開飛才看完消息，回了一條問題："那就是說，sea更適應野外環境？"
"是的，野外地形複雜，地麵軟硬不一，石子、坑窪、濕滑草地都有可能出現。qdd不是完全跑不了野外，但它缺少硬件緩衝層，所有意外衝擊全部由減速器硬扛，對算法預判的要求極高。sea的彈簧提供一層物理緩衝，給係統留出感知和計算的時間。"
"抗摔倒也是sea相比qdd的一大優勢。機器人摔倒，巨大衝擊力會往關節內部傳導。剛性qdd架構下，衝擊直接打在減速器、編碼器上，輕則精度受損，重則直接硬件損壞。sea的彈簧會吸收一部分衝擊能量，保護電機與傳動部件。"
周開飛看到這裡，回了一句："所以你們選擇sea，是因為你們的目標不隻是實驗室裡的演示？"
"對。我們內部的目標是讓機器人具備在真實環境中工作的能力。不隻是展會上彩排好的演示，是真正能走出野外。"
彭旭飛像是想到了什麼，又補了一條："當然sea代價也很大，彈簧會引入諧振，控製算法的開發難度遠高於qdd。可以這麼說：sea是更吃算法功底的架構，把控製做好之後，它的性能上限更高。但這不代表qdd就是落後路線，在工況可控的消費級設備上，qdd簡潔低成本的優勢依然非常突出。"
周開飛從那一大段話裡挑出一句："真實環境的工作能力，你具體指哪些場景？"
"最直接的例子是康複外骨骼。"彭旭飛說，"患者穿戴外骨骼進行行走訓練，路麵和室內不一樣，病人的步態也不穩定，隨時可能失去平衡。外骨骼需要在極短時間內對異常姿態做出響應，如果靠純電流估算，反饋滯後會導致矯正力矩不夠或者過頭，患者可能二次摔倒。"
"sea的彈簧可以感知到患者肌肉的細微發力趨勢，在姿態變化之前就做出預判。這一點qdd做不到。qdd隻能事後響應，而sea可以提前介入。"
"所以sea的上限更高，對算法的要求也更高？"周開飛說。
"對，我們字節對算法是有自信的，所以選擇了這條更高難度的路徑。"