字节跳动Seed助力清华获机器人足球世界杯冠军
字节跳动Seed助力清华获机器人足球世界杯冠军
日期
2025-08-01
分类
技术发布
近日，2025 RoboCup 机器人世界杯人形组成人组比赛，即：RoboCupSoccer Humanoid League AdultSize，在巴西萨尔瓦多落下帷幕。由字节跳动 Seed 团队与清华大学赵明国教授团队合作研发的人形机器人运动算法 HumanoidKick，帮助清华火神队获得冠军。这是中国机器人足球队首次在机器人世界杯该组别夺冠。
挑战最高难度组别，人形成人组决赛胜出
机器人世界杯（RoboCup）首届比赛举办于 1997 年，是目前国际上级别最高、影响最广泛的机器人赛事之一。
主办方希望，在赛事推动下，机器人技术能持续迭代更新。最终，可以让机器人像真人球员一样，在复杂多变的球场上，靠“眼睛”观察、用“大脑”决策，并依托运动控制系统精准地传球、射门、防守和跑位。相关技术涉及实时感知、实时规划、多智能体系统、电机控制等领域。
依照参赛机器人类别不同，RoboCup 分为标准平台组、小型组、中型组、仿真组、人形组等多种类型比赛。其中，人形组成人组（Humanoid League AdultSize）要求参赛机器人为标准成人身高的类人形态，相比其他组比赛，技术难度最高。
面对赛场上的复杂任务挑战，火神队机器人依靠去中心化运算、实时动态响应及硬件算法协同优化等方法，在小组赛中以 6:3、16:0、9:0 的比分优势顺利晋级。
在半决赛中，火神队机器人以 12:0 胜出，并在决赛中以 5:2 获得冠军，实现了中国团队在该组别上的首次夺冠。
视觉端到端踢球算法，从零散技能到完整策略
此次夺冠的关键之一是基于视觉的端到端自主踢球算法 HumanoidKick， 由字节跳动 Seed 团队与清华大学赵明国教授团队联合提出并验证。
HumanoidKick 算法面向人形机器人硬件，通过基于视觉的深度强化学习，实现了“找球 - 追球 - 踢球”全过程的统一策略，在实际足球比赛中验证有效。
HumanoidKick 算法尝试解决以下三项实际挑战：
从视觉到行动的实时联动： 传统机器人足球方案依赖手动编程的预设策略，面对场上变化，常陷入动作卡顿的困境，错失进攻的有利时机。该算法通过端到端深度强化学习方法，构建了视觉感知与机器人运动控制的毫秒响应机制，让机器人能像人类球员一样边“看”边“动”。
从动作整合到自主决策： 经过数千个环境的并行训练，机器人得以将多种分散的动作技能整合为统一连贯的端到端策略，构建起“单个动作” “赛场行为” “竞技策略”之间的关联。面对实时变化的赛场动态，机器人可以自主决策行动，并泛化出自适应的踢球能力。这种能力进化让机器人摆脱了被动执行预设动作的局限，实现了从零散技能到完整策略的突破。
从仿真到真实环境的适应： 为了让算法在真实世界中保持稳定，团队采用精确建模和域随机化结合的训练方案——在仿真环境中，建模真实世界的感知噪声和物理扰动（如地面条件、关节噪声），让机器人在仿真环境中“经历”各种现实极端场景，实现从仿真环境到真机的无缝应用。
依托仿真环境中的海量训练，HumanoidKick 算法在现实赛场中成功帮助机器人脱离既定动作流程束缚，依据瞬息万变的赛场态势，迅速自主规划行动方案。在比赛中，机器人展现出了较好的反应速度，最终取得胜利。
RoboCup 比赛现场，HumanoidKick 算法让身着蓝色球衣的火神队机器人展现出连贯的射门能力
写在最后
HumanoidKick 算法的不断进化，源于字节跳动 Seed 与清华大学研究团队的共同努力。双方基于学术研究和工程应用视角，致力于将研究成果转化为能解决具体问题的能力。
RoboCup 足球赛场上的表现，是我们在技术探索路上的一小步。我们相信，相关技术积累，将为通用机器人从竞技场景走向实际应用提供参考。
在机器人领域，字节跳动 Seed 团队致力于研究通用智能机器人相关的挑战性课题，重点关注机器人基础模型、智能感知-操作-交互、智能机器人系统等方向。在更长的周期内，我们也希望打造算法与硬件领先、可应对复杂人机交互的高智能机器人。
目前，团队正在吸引 2026 年后毕业的顶尖博士同学加入（含“TopSeed”实习生与应届博士）。欢迎怀揣技术信仰、有强烈研究热情的同学，一起探索机器人多模态大模型、机器人强化学习、机器人数据算法等课题，向智能上限发起挑战。