【清华团队提出人形机器人反应式踢球技能学习新框架】

人形机器人足球是具身智能的代表性挑战，要求机器人在动态环境中将敏捷运动控制与不可靠视觉感知紧密耦合。已有系统多依赖模块化流水线，将感知与控制解耦或预设理想传感，致使机器人在受限的真实感知下难以产生连贯、敏捷的行为。

近日，自动化系赵明国研究员团队提出一套将真机视觉不确定性直接纳入强化学习训练回路的学习框架，并在Booster T1人形机器人上实现了反应式踢球能力。该研究提出的机器人运动技能学习框架，将视觉感知与运动控制端到端耦合：在仿真中以对抗运动先验（AMP）引导策略习得类人自然动作；以虚拟感知系统建模本体视觉，让策略在不完美观测下进行训练；并采用编解码器结构对带噪历史观测做时序压缩与特权状态重建，隐式完成球位置的估计，令策略在无动捕设备的条件下实现抗噪的“感知–动作”闭环。研究成果以《面向人形机器人的视觉驱动反应式足球技能学习》为题，于8月19日发表在《科学·机器人学》（Science Robotics）。论文链接：网页链接（来源：自动化系）科研速递 清华大学