Para que los robots bípedos caminen sobre entornos complejos y restringidos (por ejemplo, pasarelas estrechas, piedras de paso), deben cumplir con objetivos de control precisos de velocidad y colocación del pie en cada paso. Este control que logra los objetivos de manera precisa en cada paso se conoce como control deadbeat de un solo paso. La alta dimensionalidad de los sistemas bípedos y la subactuación (el número de articulaciones excede a los actuadores) presentan un formidable desafío computacional para lograr un control en tiempo real. En este artículo, presentamos un método computacionalmente eficiente para el control deadbeat de un solo paso y lo demostramos en un modelo bípede planar de 5 enlaces con 1 grado de subactuación. Nuestro método utiliza control de torque computado usando los 4 grados de libertad actuados para desacoplar y reducir la dimensionalidad de la dinámica de la fase de apoyo a un solo grado de libertad. Esta simplificación asegura que la dinámica de paso a paso sea una sola ecuación. Luego, utilizando muestreo de Monte Carlo, generamos datos para aproximar la dinámica de paso a paso, seguido de un ajuste de curvas utilizando un modelo afín de control y un modelo de error de proceso gaussiano. Usamos el modelo afín de control para calcular las entradas de control utilizando linealización por retroalimentación y afinamos estas utilizando control de aprendizaje iterativo con el error del proceso gaussiano, lo que permite el control deadbeat de un solo paso. Demostramos el enfoque en simulaciones en escenarios que involucran estabilización contra perturbaciones, seguimiento de una referencia de velocidad cambiante y colocación precisa del pie. Concluimos que la reducción de modelo basada en control de torque computado y la aproximación basada en muestreo de la dinámica de paso a paso proporcionan un enfoque computacionalmente eficiente para el control deadbeat de un solo paso en sistemas bípedos complejos.