双足运动是指使用两条腿行走、跑步或保持平衡的能力，模仿人类的运动。 对于机器人来说，这涉及到在动态转移重量和协调肢体的同时保持稳定。 实现双足运动需要解决平衡控制、能源效率和适应不平坦地形等挑战。 与轮式机器人不同，双足系统缺乏静态底座，因此必须不断调整姿势和关节角度以避免跌倒。 这使得问题本质上很复杂，结合了力学、传感器和实时计算。
机器人通过硬件和软件的结合来实现双足运动。 硬件通常包括有关节的腿，关节处装有执行器（如电机或液压装置），例如髋部、膝盖和脚踝。 惯性测量单元 (IMU)、脚上的力传感器和摄像头等传感器提供有关身体方向、地面接触和障碍物的反馈。 控制算法处理这些数据以调整关节角度和力。 例如，Boston Dynamics 的 Atlas 机器人使用液压执行器进行强大而精确的运动，并使用模型预测控制器来规划步法。 本田的 ASIMO 是一款早期的双足机器人，依赖于预先编程的步态模式，但在动态环境中表现不佳。 现代系统通常使用基于优化的控制器或强化学习来实时调整步态。
双足控制的关键方法包括零力矩点 (ZMP) 准则，该准则确保机器人的压力中心保持在其支撑多边形（其脚下的区域）内。 这种方法适用于缓慢、稳定的行走，但限制了敏捷性。 更具活力的机器人（例如使用“捕获点”方法的机器人）预测动量以规划从扰动中恢复。 一些系统，例如 OpenAI 在双足模拟器强化学习方面的工作，训练神经网络以通过试错法优化平衡。 尽管取得了进展，但仍然存在挑战：高能效驱动、处理湿滑表面以及在运动之间转换（例如，从行走转变为攀爬）。 轻质材料、高扭矩电机和自适应控制算法的进步不断推动双足机器人可以实现的界限。