从噪声感知输入学习人oid 足球机器人的灵活射门技能
机器人学
2026-05-12 v3
摘要
快速而稳健的球踢技能是人oid 足球机器人不可或缺的能力，但由于需要快速腿部摆动、单支脚的姿态稳定性以及在噪声感知输入和外部扰动（如对手）下的鲁棒性，仍是具有挑战性的问题。本文提出了基于强化学习 (RL) 的系统，使人oid 机器人能够执行稳健的持续式球踢动作，并能适应不同的球-球门配置。该系统扩展了典型的师生训练框架——其中“老师”策略以真实状态信息进行训练，“学生”通过噪声、不完美的感知学习模仿——通过四个训练阶段实现：(1) 长距离球追逐（老师）；(2) 方向性踢球（老师）；(3) 老师策略蒸馏（学生）；(4) 学生适应与精炼（学生）。包括量身定制的奖励函数、真实的噪声建模以及用于适应与精炼的在线受约束 RL 等关键设计要素，对缩小仿真到现实的鸿沟以及维持感知不确定性下的性能至关重要。广泛的仿真与实际机器人评估表明，该系统在多样化的球-球门配置下表现出强大的踢球准确性和得分成功率。消融研究进一步凸显了受约束 RL、噪声建模以及适应阶段的必要性。本工作为在不完美感知条件下学习稳健的持续式人oid 球踢提供了一套系统方法，确立了一个人oid全身控制中视觉-运动技能学习的基准任务。
关键词
引用
@article{arxiv.2512.06571,
title = {Learning Agile Striker Skills for Humanoid Soccer Robots from Noisy Sensory Input},
author = {Zifan Xu and Myoungkyu Seo and Dongmyeong Lee and Hao Fu and Jiaheng Hu and Jiaxun Cui and Yuqian Jiang and Zhihan Wang and Anastasiia Brund and Joydeep Biswas and Peter Stone},
journal= {arXiv preprint arXiv:2512.06571},
year = {2026}
}