感知即運動——統一強化學習框架破解人形機器人動态視覺決策難題
8月19日，清華大學自動化系趙明國教授團隊在機器人領域頂刊Science Robotics 發表研究論文，題為 “Learning Vision-Driven Reactive Soccer Skills for Humanoid Robots”。論文提出一套面向真實世界視覺不确定性的統一感知-運動強化學習框架，入選Science Robotics 2026年8月“Humanoid Robots”人形機器人特刊，是國内在人形機器人具身智能領域極具标志性的研究成果之一。
論文所依托的機器人平台，正是加速進化(Booster Robotics)自主研發的人形機器人。
一個困擾學界二十年的難題
讓一個雙足機器人踢足球，最難的是什麼?
奔跑?平衡?射門的力量?都不是。真正讓工程師們徹夜難眠的，是另一件事：機器人在運動中“看不清”世界。
奔跑時，攝像頭劇烈晃動;陽光下，球體和場地混為一談;對手沖撞時，目标瞬間從視野中消失。對人來說，這些隻是“看不清楚”;對機器人而言，這意味着決策系統的徹底失能——沒有可靠的感知，就沒有可靠的運動。
傳統人形機器人控制架構，二十年來幾乎沒有跳出同一套邏輯：先讓視覺模塊“看”，再把結果傳給規劃模塊“想”，最後由控制模塊“動”。這套流水線在實驗室裡運轉良好——但一旦進入真實世界，三個緻命缺陷便暴露無遺：
模塊割裂。視覺模塊輸出一個位置，控制模塊就據此行動——哪怕這個位置是錯的。
反應遲緩。模塊間的串行通信意味着決策永遠滞後。
仿真與現實鴻溝。在完美仿真中訓練出的策略，到了真實世界因光照、噪聲、遮擋而全面失靈。
視覺驅動的加速進化機器人控制系統概覽
這篇論文拆掉了三堵牆
論文的核心貢獻是一個統一的感知-運動強化學習框架——将視覺感知與運動控制置于同一個優化目标下進行端到端訓練。
突破一：端到端聯合優化。感知和運動共享同一個獎勵信号，聯合優化——機器人“看到”的同時就在“準備動”。
突破二：對抗運動先驗(AMP)首次從仿真拓展至真實動态視覺場景。實現了從仿真到真機的零樣本部署。
突破三：“虛拟感知系統”+編碼器-解碼器架構。編碼器接收過去50幀(1秒)的曆史觀測序列，壓縮為64維的隐狀态表征;解碼器從中重構出球的位置信息——不是“看到什麼就信什麼”，而是“結合前後文推測什麼最合理”。
三者合力，仿真裡訓練好的策略，拔掉仿真器、插到真機器人上就能直接用——零修改、零适配、零樣本。
加速進化機器人在真實比賽等多種環境下的表現
數字會說話
這套框架交出的成績單：
• 球位置估計誤差降低 46% • 射門決策時間縮短高達 64% • 前場射門成功率穩定在 90%
所有策略均在仿真環境中訓練完成，未經任何真實數據微調，直接部署到物理機器人上。
94支隊伍，同一個選擇
2025年至2026年，加速進化機器人平台已累計支持近40篇具身智能相關論文發表。這篇Science Robotics論文是其中最具代表性的成果之一，卻遠不是唯一的成果——選擇加速進化作為研究平台，正在成為全球具身智能研究者的共識。
2026年7月，38支中外參賽隊伍集體選擇了加速進化機器人平台參加RoboCup機器人足球世界杯。加速進化機器人包攬雙足人形所有組别全部金牌。
2026年8月，第二屆世界人形機器人運動會上，56支隊伍選擇了加速進化機器人平台，約占總參賽賽隊的92%。
近40篇論文的學術選擇，與94支賽隊的賽場選擇——指向同一個結論。
三代人，一篇頂刊
這篇論文的背後，是三代火神人的傳承。
2004年，趙明國教授在清華大學創立了火神隊。二十二年，從最初走路都顫顫巍巍的第一代機器人，到2025年奪冠，再到2026年成功衛冕。作為論文的通訊作者，趙明國教授是這篇成果的學術方向制定者和最終把關者。
王與時是論文第一作者，也是火神隊隊長。在趙明國教授指導下，他主導了這項研究的全部算法設計與實驗驗證——從設計虛拟感知系統、搭建仿真訓練框架，到編寫核心代碼、完成真機部署。
論文所依賴的機器人硬件平台，來自加速進化。加速進化創始人程昊，曾是火神隊前隊長、趙明國教授的學生。2023年創立加速進化後，他将火神隊二十年對機器人本體的理解與運動控制經驗注入這家公司，讓火神隊從“自己造機器人”轉向“用最好的平台做研究”。
三代火神人，二十二年的技術傳承與清華火神精神，在同一篇論文上交彙。
字節跳動Seed深度參與
該研究由清華大學自動化系牽頭，聯合字節跳動Seed團隊共同完成，部分工作完成于字節跳動Seed。字節跳動Seed團隊在大規模強化學習與具身智能領域的工程化能力，為論文的仿真訓練框架提供了重要支持。論文第一作者王與時，目前在字節跳動Seed實習。
研究同時得到了中國農業大學工學院的支持，以及加速進化的機器人平台與實驗設施保障。
查看論文原文，請點擊：https://www.science.org/doi/10.1126/scirobotics.aed1152
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
