基于仿生学的双足步态研究主要通过测量和分析人类的步行运动，研究双足步行的基本原理，将得到的一些基本步态特征运用到双足步行机器人控制当中。最早在1901年英国摄影家爱德沃德迈布里奇（Eadweard Muybridge）通过观察人类和40多种动物的运动过程，研究了包括马等8种动物的运动步法，得到了它们的步态模式。他的研究揭示了动物的简单步态模型，开辟了从仿生学角度研究双足步态的先河。随后将行为模仿的思想运用到机器人VR的控制方法当中，通过模仿学习表达非线性动力学差分方程，形成控制策略，采用的局部权重回归算法保证了学习的收敛性。沿着这个思路，1976年Margaria通过研究人类不同步行运动过程中肌肉的电信号和能量消耗，探讨了人类步行所需要的最少肌肉运动量，这为以后研究被动步态提供了一定的事实依据。随后美国南加州大学的Auke Ijspeert博士等将行为模仿的思想运用到了机器人VR的控制方法当中。通过模仿学习表达非线性动力学差分方程形成控制策略，采用的局部全重回归算法保证了学习的收敛性。这种研究思路也被日本本田公司运用到了ASIMO机器人的步态规划当中，通过离线研究人类步态运动的特性，形成简单的步态模式，然后经过在线调整误差控制机器人最终步态。

另一个仿生学的重要贡献是在大多数动物脑组织中发现了控制运动节奏的中央模式发生单元（Central Pattern Generator），这促使一部分研究学者尝试在双足步态中应用这一结构。1999年Williamson用中央模式发生器控制机器人手臂运动完成简单的杂耍动作，这位学者还从人类步行机构得到启示，设计弹性关节解决双足步行中关节冲击问题。Fukuoka等设计了PD控制器组成的弹性关节，通过中央模式发生单元接受传感器输入，并将计算得到的输出角度发送给各运动关节。实验表明机器人可以在中度不平整地面行走，并可根据地面平滑程度调整能量消耗和稳定性两项运动指标。他们的成功吸引了越来越多的学者开始这一方向的研究。(www.daowen.com)

人体步行运动的研究为实现机器人步行运动提供了借鉴和指导，对人类步行运动的观察与记录也促使人们了解和发现步行的运动特征与规律。在获得人类行走数据的基础上，根据仿生学思想，研究人员还尝试使用记录的人类步行运动数据驱动机器人行走。目前世界上最先进的自主式拟人机器人ASIMO就是在分析人类行走运动的基础上动态生成双足步态。随着测试和记录手段的不断完善，研究人员可以获得更加完整和详细的步行运动数据，由此提炼得到更加完备的人体运动规律，设计更加接近人类步态的双足机器人步态。