视觉驱动人形足球控制器

视觉扰动下闭环对抗

通过强化学习直接耦合视觉感知与运动控制，使人形机器人在板上视觉不确定性下保持高反应性足球行为。

Kechang, Yang · 胡标

Science Robotics 2026

参数信息

球位置估计误差降低

46 %

踢球时间缩短

64 %

前场位置踢球成功率

90 %

技术优势

感知降级仍能敏捷反应

通过在训练中注入虚拟感知噪声和检测失败，控制器学会了内化感知不确定性，从而在实际机载视觉不完美的情况下保持闭环反应能力。

提升估计精度近半

与规则基线相比，球位置估计误差减少 46%，为后续踢球动作提供更可靠的感知输入。

决策提速高达 64%

时间到踢球这一关键延迟大幅缩短，使机器人能在动态对抗中更快完成射门动作。

应用场景

• 具身智能足球机器人：直接部署到机器人上踢球，无需理想化感知假设即可在真实比赛中对抗。
• 人形机器人运动控制：提供视觉-运动一体化的控制策略，替代传统分离式管线，让运动更连贯。
• 仿人机器人行为学习：用对抗运动先验引导策略学习，使机器人行为更自然，易于迁移到其他技能。
• 机器人视觉伺服：在视觉噪声和检测失败下仍保持伺服性能，提升动态环境中的跟踪可靠性。
• 动态环境机器人导航：控制器能应对动态场景和变化环境，鲁棒地在真实 RoboCup 比赛中导航。