步態的選擇，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；這一切地發生都是不由自主地，因為那樣感覺更舒服。

　　我們已經習慣了這一點，當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，盡管有時步態不同。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？

　　密歇根大學機器人與運動實驗室（RAM-Lab）的C. David Remy博士領導的研究團隊對此及相關問題非常感興趣，原因非常簡單：他們希望打造敏捷、快速而節能的腿式機器人。使用不同步態的能力可能是這項任務中的關鍵因素，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，生物力學研究表明，步態的選擇與運輸的能量成本密切相關。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鍵。

　　為了理解步態對運輸成本的影響，研究人員可以通過測量人或動物在使用不同步態行走時消耗的氧氣量來估算能量消耗。使用這種技術已經表明，在低速狀態下，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同樣的節能，Remy博士的團隊使用大規模的數值優化。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濟的前進方式。也就是說，他們發現成本最小化的運動。

　　計算機通過簡單地嘗試以一種系統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。這些優化的結果非常顯著。即使計算機沒有先前的走路、跑步或步態的概念，通過此過程出現的最佳運動與自然界中發現的步態和步態序列非常相似。

　　通過改變每個運動的目標速度，然后可以識別最佳步態序列。令人驚訝的發現是，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構和動作方面存在巨大差異，但仍然發現了這一結果。