感知即运动——统一强化学习框架破解人形机器人动态视觉决策难题
8月19日，清华大学自动化系赵明国教授团队在机器人领域顶刊Science Robotics 发表研究论文，题为 “Learning Vision-Driven Reactive Soccer Skills for Humanoid Robots”。论文提出一套面向真实世界视觉不确定性的统一感知-运动强化学习框架，入选Science Robotics 2026年8月“Humanoid Robots”人形机器人特刊，是国内在人形机器人具身智能领域极具标志性的研究成果之一。
论文所依托的机器人平台，正是加速进化(Booster Robotics)自主研发的人形机器人。
一个困扰学界二十年的难题
让一个双足机器人踢足球，最难的是什么?
奔跑?平衡?射门的力量?都不是。真正让工程师们彻夜难眠的，是另一件事：机器人在运动中“看不清”世界。
奔跑时，摄像头剧烈晃动;阳光下，球体和场地混为一谈;对手冲撞时，目标瞬间从视野中消失。对人来说，这些只是“看不清楚”;对机器人而言，这意味着决策系统的彻底失能——没有可靠的感知，就没有可靠的运动。
传统人形机器人控制架构，二十年来几乎没有跳出同一套逻辑：先让视觉模块“看”，再把结果传给规划模块“想”，最后由控制模块“动”。这套流水线在实验室里运转良好——但一旦进入真实世界，三个致命缺陷便暴露无遗：
模块割裂。视觉模块输出一个位置，控制模块就据此行动——哪怕这个位置是错的。
反应迟缓。模块间的串行通信意味着决策永远滞后。
仿真与现实鸿沟。在完美仿真中训练出的策略，到了真实世界因光照、噪声、遮挡而全面失灵。
视觉驱动的加速进化机器人控制系统概览
这篇论文拆掉了三堵墙
论文的核心贡献是一个统一的感知-运动强化学习框架——将视觉感知与运动控制置于同一个优化目标下进行端到端训练。
突破一：端到端联合优化。感知和运动共享同一个奖励信号，联合优化——机器人“看到”的同时就在“准备动”。
突破二：对抗运动先验(AMP)首次从仿真拓展至真实动态视觉场景。实现了从仿真到真机的零样本部署。
突破三：“虚拟感知系统”+编码器-解码器架构。编码器接收过去50帧(1秒)的历史观测序列，压缩为64维的隐状态表征;解码器从中重构出球的位置信息——不是“看到什么就信什么”，而是“结合前后文推测什么最合理”。
三者合力，仿真里训练好的策略，拔掉仿真器、插到真机器人上就能直接用——零修改、零适配、零样本。
加速进化机器人在真实比赛等多种环境下的表现
数字会说话
这套框架交出的成绩单：
• 球位置估计误差降低 46% • 射门决策时间缩短高达 64% • 前场射门成功率稳定在 90%
所有策略均在仿真环境中训练完成，未经任何真实数据微调，直接部署到物理机器人上。
94支队伍，同一个选择
2025年至2026年，加速进化机器人平台已累计支持近40篇具身智能相关论文发表。这篇Science Robotics论文是其中最具代表性的成果之一，却远不是唯一的成果——选择加速进化作为研究平台，正在成为全球具身智能研究者的共识。
2026年7月，38支中外参赛队伍集体选择了加速进化机器人平台参加RoboCup机器人足球世界杯。加速进化机器人包揽双足人形所有组别全部金牌。
2026年8月，第二届世界人形机器人运动会上，56支队伍选择了加速进化机器人平台，约占总参赛赛队的92%。
近40篇论文的学术选择，与94支赛队的赛场选择——指向同一个结论。
三代人，一篇顶刊
这篇论文的背后，是三代火神人的传承。
2004年，赵明国教授在清华大学创立了火神队。二十二年，从最初走路都颤颤巍巍的第一代机器人，到2025年夺冠，再到2026年成功卫冕。作为论文的通讯作者，赵明国教授是这篇成果的学术方向制定者和最终把关者。
王与时是论文第一作者，也是火神队队长。在赵明国教授指导下，他主导了这项研究的全部算法设计与实验验证——从设计虚拟感知系统、搭建仿真训练框架，到编写核心代码、完成真机部署。
论文所依赖的机器人硬件平台，来自加速进化。加速进化创始人程昊，曾是火神队前队长、赵明国教授的学生。2023年创立加速进化后，他将火神队二十年对机器人本体的理解与运动控制经验注入这家公司，让火神队从“自己造机器人”转向“用最好的平台做研究”。
三代火神人，二十二年的技术传承与清华火神精神，在同一篇论文上交汇。
字节跳动Seed深度参与
该研究由清华大学自动化系牵头，联合字节跳动Seed团队共同完成，部分工作完成于字节跳动Seed。字节跳动Seed团队在大规模强化学习与具身智能领域的工程化能力，为论文的仿真训练框架提供了重要支持。论文第一作者王与时，目前在字节跳动Seed实习。
研究同时得到了中国农业大学工学院的支持，以及加速进化的机器人平台与实验设施保障。
查看论文原文，请点击：https://www.science.org/doi/10.1126/scirobotics.aed1152
免责声明：本文仅代表作者个人观点，与每日科技网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
本网站有部分内容均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，若因作品内容、知识产权、版权和其他问题，请及时提供相关证明等材料并与我们联系，本网站将在规定时间内给予删除等相关处理.
