SoccerDiffusion：面向人形机器人足球的基于游戏录像的学习方法
机器人学
2025-07-04 v2 人工智能
机器学习
摘要
本文介绍了 SoccerDiffusion，这是一种基于Transformer的扩散模型，旨在从真实世界的游戏录像中直接学习人形机器人足球的端到端控制策略。该模型从 RoboCup 竞赛中收集的数据出发，预测来自多模态传感器输入（包括视觉、本体感知和游戏状态）的关节命令轨迹。我们采用蒸馏技术，以实现在嵌入式平台上的实时推断，将多步扩散过程简化为单步。我们的结果表明，该模型能够在仿真和物理机器人上复制行走、踢球和跌倒恢复等复杂运动行为。尽管高层战术行为仍有限，本工作为后续的强化学习或偏好优化方法提供了稳健的基础。我们在 https://bit-bots.github.io/SoccerDiffusion 上发布了数据集、预训练模型和代码。
关键词
引用
@article{arxiv.2504.20808,
title = {SoccerDiffusion: Toward Learning End-to-End Humanoid Robot Soccer from Gameplay Recordings},
author = {Florian Vahl and Jörn Griepenburg and Jan Gutsche and Jasper Güldenstein and Jianwei Zhang},
journal= {arXiv preprint arXiv:2504.20808},
year = {2025}
}