登上《Science Robotics》的人形机器人足球论文
清华大学自动化系赵明国教授团队联合字节跳动 Seed、中国农业大学，在《Science Robotics》发表论文《Learning Vision-Driven Reactive Soccer Skills for Humanoid Robots》。
这篇论文提出一套视觉驱动的反应式足球技能学习框架，让人形机器人仅依靠机载视觉，在动态环境中连续完成找球、追球、调整步态和多方向射门。真机验证平台是加速进化的人形机器人。
论文链接：https://www.science.org/doi/10.1126/scirobotics.aed1152
项目主页：https://humanoid-kick.github.io/
二十二年的机器人足球接力
2004 年，赵明国带领学生成立清华火神机器人足球队。次年，团队带着自研机器人参加 RoboCup。早期机器人只有约 50 厘米高，行走缓慢，比赛时还需要保护人员防止摔倒。此后 20 多年里，火神队几乎每年参赛，机器人逐渐长到一米以上，学会自主起身、快速奔跑和大力射门。
足球场也成了团队长期检验视觉、决策、运动控制和整机可靠性的试验场。视觉识别慢了多少毫秒，落脚点偏了多少厘米，机器人在哪个方向容易踢空，都会在真实对抗中直接暴露。团队再把问题带回实验室，修改算法，下一场比赛继续验证。
赵明国长期从事类脑计算与机器人控制研究。他参与研制的“天机芯”类脑芯片及无人自行车研究曾登上《Nature》封面，并入选 2019 年度中国科学十大进展。
从火神队到加速进化
随着成员一届届更替，火神队的故事也延续到产业端。加速进化创始人程昊曾是火神队第三任队长，清华毕业后经历互联网创业，并在字节跳动担任飞书产品副总裁。2023 年，他重新出发，创办加速进化。多名曾与他在火神队并肩作战的成员也加入这家初创公司。论文第一作者王与时，则来自火神队的新一代。
从 2004 年火神队创立，到 2026 年论文登上国际顶刊，这是一场跨越二十二年的技术接力。
让机器人在噪声里看见并反应
这篇论文试图解决一个长期存在的问题：在充满噪声、延迟和遮挡的真实环境里，人形机器人如何做到看见即反应。
机器人踢球时，视觉和动作要几乎同步完成。眼睛追踪足球，大脑判断距离与方向，身体持续调整重心和落脚点。足球短暂被挡住时，人还能根据此前轨迹预判下一次出现的位置。机器人则要靠摄像头、算法和关节控制完成同样的过程，难度要高得多。
传统方案通常把流程拆成多个模块：视觉系统识别足球并估计位置，决策模块选择动作，运动控制器再驱动机器人执行。这样便于调试，但误差和延迟也会逐级传递，而且在仿真中训练出的策略，到了真实世界可能因光照、噪声和遮挡而性能下降。
赵明国团队提出统一的感知-运动强化学习框架，把视觉感知和运动控制放到同一个优化目标下端到端训练。
视觉噪声、历史状态与动作输出
研究团队先建立了一套虚拟感知系统。真实机器人在不同距离和视角下观察足球，累计采集约 1 小时数据，再与动捕系统记录的真实位置对照，得到位置噪声、检测成功率、更新频率和延迟等感知特征。
这些特征随后被带入仿真。足球距离越远，位置噪声越大；相机视野会随机器人头部姿态变化。即使足球出现在视野中，也可能因为运动模糊而检测失败。视觉系统以约 25Hz 更新，平均延迟约 116 毫秒。
为应对视觉短暂中断，论文设计了编码器-解码器架构。策略读取过去 50 帧、约 1 秒的历史观测，再压缩为 64 维隐藏状态。训练阶段，解码器会尝试从隐藏状态还原足球真实位置和机器人动力学参数，用来帮助去噪，并在足球短暂消失后继续估计目标位置。
负责输出动作的 Actor 只能使用真实机器人能够获得的部分观测；训练阶段的 Critic 则可以访问仿真环境中的完整状态，为策略优化提供额外信息。解码器和 Critic 在部署到真机后都会移除。
从行走到射门，动作被放进同一策略
为了让动作更自然，团队还引入了对抗运动先验 AMP。训练数据包括约 76 秒的人类全向行走动作和 30 秒脚弓射门动作数据。判别器负责判断机器人动作与人类示范的接近程度，强化学习策略继续围绕追球和进球优化。
镜像对称约束进一步帮助机器人掌握左右脚射门，避免收敛到单侧踢球。最终，找球、追球、调整落脚点和射门被放进同一个策略，控制器以 50Hz 输出关节位置指令。
训练过程中还出现了不少自主行为。足球接近视野边缘时，机器人会主动转头和转身，把球重新移回视野；在球场边缘找不到足球时，它通常先朝向场地中心，再扩大搜索范围。
步态也会随足球距离变化。距离较远时，机器人采用较慢步频，每个步态周期约 0.7 至 0.8 秒，以维持稳定观察；接近足球后，周期缩短到 0.3 至 0.4 秒，通过更短、更快的步伐微调落脚点。
当球门位于身后时，策略甚至会生成一种旋转钩射动作，机器人以支撑脚为轴转身，另一条腿从侧面将球勾向球门，省去重新站位的时间。
实验数据：更快、更稳，也能应对滚动足球
这些变化也体现在实验结果里。射门前 1 秒内，原始视觉观测中的足球位置误差为 0.344 米，经过策略内部状态估计后，误差降至 0.186 米，降幅约 46%。在仿真中，当视觉检测被短暂中断 0.3 秒时，机器人的触球成功率仍超过 90%，进球率超过 50%。面对静止足球，学习策略从启动到触球通常只需约 1.5 秒，传统规则系统需要约 2 至 5 秒，最高耗时降幅达到 64%。
真机测试中，机器人在前场位置的成功率达到 80% 至 90%，后场达到 60% 至 70%，测试过程中没有摔倒。面对滚动足球，当球速低于每秒 0.5 米时，策略仍能保持超过 50% 的成功率，真机实验也呈现出相似趋势。
这套策略还作为运动技能模块进入清华火神队的完整比赛系统。2025 年，火神队获得 RoboCup 成人组人形联赛和世界人形机器人运动会冠军，两项赛事累计打进 76 球，仅失 11 球。2026 年，团队又在 RoboCup Large Size 比赛中成功卫冕。
加速进化平台进入真机验证
学习策略能够从仿真直接部署到真机，算法只是一环。关节响应是否一致，控制周期是否稳定，传感器和计算单元能否按时输出结果，都会影响最终表现。任何底层误差，都可能在高速运动中被放大。
论文中的真机实验使用了加速进化的人形机器人平台，实验没有对本体进行专门改造，足球信息来自头部机载相机，感知与控制都在板载计算单元上运行。论文作者认为，这说明国产量产人形机器人已经可以承载前沿具身智能研究，研究者能够把主要精力放在算法上，再将训练结果部署到真实硬件。
加速进化与火神队的关系，也由此从人才传承延伸到技术平台。2025 年 7 月，加速进化发布新一代旗舰平台 Booster T2，专业版搭载 NVIDIA Thor 芯片，端侧算力达到 2070 TFLOPS。配套的 Booster Studio 将仿真训练、算法开发和真机部署整合进同一个开发环境。
8 月 19 日，Booster T2 在世界机器人大会正式亮相，展示高爆发动作首秀。三天后，80 台 Booster T2 在机器人运动会开幕式上完成无中心自主协同，在大地书写 BEIJING、运动会会徽与三个赛项图标，没有遥控，没有口令，80 个独立决策的“脑”在同一时刻达成协同。80 台机器人的算力总和约达 17 万 TFLOPS，构成一个正在行走的算力集群。
单机感知闭环、多机协同变阵，背后依赖的是同一套底层能力：稳定的本体、实时的端侧计算、精准的运动控制。从 50 厘米高、需要人扶着才能站稳的早期机器人，到今天在球场上自主踢球、在开幕式上列阵书写的 Booster T2，二十二年的积累正在以更大的规模呈现。
参考链接：https://www.science.org/journal/scirobotics
本文来自微信公众号“机器之心”（ID：almosthuman2014），编辑：杨文