清华视觉驱动足球人形机器人登上《Science Robotics》封面，全程仿真训练零样本上场

清华大学研究团队于2026年8月19日在国际期刊《Science Robotics》发表论文，提出一种强化学习控制器，让人形机器人在一个学习闭环中完成看球和踢球，而不再依赖相互独立的感知和运动模块。据作者和硬件合作方Booster Robotics介绍，论文《Learning Vision-Driven Reactive Soccer Skills for Humanoid Robots》刊发于第11卷第117期，并成为该刊人形机器人特刊的封面文章。

研究团队

论文第一作者为清华大学自动化系Yushi Wang，通讯作者为赵明国教授，合作单位为字节跳动Seed和中国农业大学。Booster Robotics称，Yushi Wang是清华RoboCup战队队长，该队使用Booster硬件在2025年和2026年连续夺得RoboCup冠军。论文预印本已于2025年11月发布在arXiv（2511.03996）。

报告的结果

在Booster T1人形机器人上，作者报告与基于规则的方法相比，球位置估计误差降低46%，起脚时间最多缩短64%，前场位置射门成功率约90%。控制器只在仿真中训练，未经真实环境微调即部署到实体机器人。团队表示已在户外和真实RoboCup比赛中完成验证。

技术原理

多数机器人足球系统采用流水线：视觉模块找球，规划器决定跑位，再由独立控制器驱动双腿。每一环的误差会叠加，球被遮挡或移动时机器人反应迟缓。清华的控制器则在仿真中用PPO算法，以强化学习一次性学会整条链路。

关键做法有三点。其一，仿真中的“虚拟感知系统”模拟真实摄像头的噪声和漏检，让策略在见到真球之前就学会应对糟糕数据。其二，编码器解码器网络把最近50帧观测压缩为64维内部状态，即使球离开视野也能持续估计其位置。其三，对抗运动先验（AMP）奖励与类人动作数据相似的运动，使步态保持自然，团队还将其扩展到真实视觉环境中。

硬件合作方

北京的Booster Robotics提供了T1平台。该公司在8月20日的公告中称，2026年7月RoboCup人形组有38支国际队伍（占参赛队伍68%）使用其平台并包揽全部金牌，8月世界人形机器人运动会上有56支队伍（92%）选择其平台。公司介绍，新款T2身高1.4米，31个自由度，双臂负载10千克，搭载算力2070 TFLOPS的英伟达Thor芯片。

竞争格局

机器人足球已成为检验人形机器人敏捷性的试验场。2026年8月登陆上交所科创板的宇树科技与Booster等中国厂商，在科研和赛事机型市场上展开竞争。这篇论文的不同之处在于，它在全尺寸商用人形机器人上、在真实传感器缺陷条件下，打通了从摄像头像素到腿部动作的闭环，并发表在顶级期刊。

对中国产业的意义

论文由高校、互联网大厂和整机企业联合完成，体现了国内具身智能“产学研”协同的模式。字节跳动Seed参与人形机器人控制研究，说明大模型公司正把能力延伸到运动控制层。对整机厂而言，在仿真中模拟传感器缺陷而不是追求完美仿真，是一条成本更低的仿真到真机路线。Booster在赛事和科研市场的高占有率若能转化为开发者生态，将与宇树形成差异化竞争。下一步的考验是能否把这种能力从足球场搬到工厂和仓库。

风险与疑问

数据来自作者和合作方，比较对象是基于规则的方法而非其他学习型控制器。足球是只有一种目标物体的结构化场景。该方法能否推广到多种物体、灵巧手操作或需要语言指令的长任务，尚未得到证明。Booster的占有率数据为公司自述。