中國隊再次贏下“世界杯”！國足沒做到的，人形機器人先做到了！背后技術難點有哪些？

7月底，世界杯決賽以西班牙擊敗阿根廷斬獲大力神杯而結束，其實，如今的球場上除了真人外，具身智能也能在球場上瘋狂炫技，中國隊更是拿下了機器人屆的“世界杯”！

據機器人大講堂了解，目前國內能踢足球的機器人團隊已經非常多，包括中國農業大學山海隊、浙江大學ZJUDancer、中國科學技術大學藍鷹隊、清華火神隊（THMOS）等數十支高校團隊。

其中清華大學的團隊尤為突出，該團隊人形機器人團隊已經兩次獲得“世界杯”冠軍了，最近一次是在2026年RoboCup機器人世界杯上，搭載國產硬件的清華火神隊成功衛冕人形機器人大型組冠軍。

更值得一提的是，加速進化旗下機器人產品包攬雙足人形全部組別金牌，38支全球參賽隊伍選擇中國廠商的硬件平臺出戰。

這支機器人隊伍的冠軍榮譽之所以足夠有分量，在于機器人足球是體育與科技競技的融合，足球這項人類運動正成為全球具身智能行業公認的終極試煉場。奔跑、控球、射門這些人類習以為常的動作，放在人形機器人身上，卻橫跨機械、算法、傳感多個學科的技術天塹。

時下，人形機器人已經可以在場地上自由傳球和運動，雖然動作看起來仍比較別扭和生硬，但我們相信，假以時日，人形機器人一定會實現擬人化乃至超越人的跨越！

那個時候，跟人類在賽場上一較高低的，可能就是真實版的大衛（注：電影《普羅米修斯》中的仿真人）了。

01.

走進人類的第一站，先讓機器人愛上足球

坦率地講，足球并非機器人的表演秀，它本質上依然可以理解為一個檢驗具身智能綜合能力的標準化考場。而中國廠商靠硬件平臺化的路線，目前一直在這場全球競技中拿下的是領跑的位置。

時間回到北京時間7月5日，2026年RoboCup機器人世界杯在韓國仁川收官，本屆匯聚45個國家和地區的364支隊伍，競爭相較十年前已經非常激烈 。

但在人形機器人足球大型組決賽中，清華火神隊依然強勢以6比2擊敗對手，成功衛冕世界冠軍。

就在一年前的巴西賽場，這支隊伍剛剛打破中國戰隊28年無緣該組別冠軍的歷史。

尤其值得關注的是賽事背后的硬件格局，本屆賽事里，大中小三個雙足人形組別的冠軍，全部搭載加速進化也就是Booster Robotics的機器人平臺，38支參賽隊伍選擇該品牌硬件，占所有人形組別參賽隊伍的半數以上。德國B-Human、美國UT Austin等傳統強隊，都改用中國廠商的機器人本體出戰。

據了解，加速進化2023年8月成立，核心團隊脫胎于清華大學機器人控制實驗室，成立不到三年時間，旗下人形機器人全球出貨量超過700臺，覆蓋20多個國家的200多家客戶，合作高校和科研機構超過70所。

不過這家公司走的路線并非全棧應用，它們擅長聚焦人形機器人硬件底座和基礎運動控制，把機器人本體、操作系統、開發工具做成標準化平臺，讓參賽隊伍不用從零設計機械結構、調試基礎步態，直接把研發精力放在感知、決策、協同這些上層算法上。

BoosterRobotics平臺也一改過去賽事中各支隊伍重復造輪子的內耗局面，如今RoboCup正在被標準化硬件徹底改變。需要注意的是，足球只是其中一個典型場景。加速進化的Booster K1和Booster T1等機器人平臺已陸續被用于科研、家務教育、展演等多個應用方向。

除了加速進化，國內還有其他頗為有實力的團隊，比如，江南大學自動化與智能科學學院具身智能俱樂部Dionysus團隊在今年RoboCup Soccer Simulation 3D（機器人足球仿真3D組）比賽中表現出色，最終勇奪世界亞軍，實現歷史性突破。

實際上，足球場一直被學術界和產業界公認為具身智能最嚴苛的真實物理試驗場。因為人類球員在場上完成的每一個動作，都同步調用環境感知、肢體平衡、即時判斷、團隊協作多重能力，皮球滾動的軌跡、對手的干擾、場地的細微起伏，都是不可預設的動態變量。

反之，工業場景里的機器人只需要重復固定動作，面對變量就會失靈，而足球賽場持續制造隨機場景，倒逼機器人同步打磨多維度能力。

RoboCup機器人世界杯國際聯合會副主席周長久曾提到，足球賽事是機器人技術的標準測試，機器人能在球場上配合傳球，就能在現實里合作搬運物體，在家庭環境中避開障礙物。

這意味著，賽場之上的每一次跑動、每一腳觸球，都是對機器人適應真實世界能力的壓測，冠軍獎杯的分量，遠不止于競技榮譽。

當然，在光鮮的成績之外，大眾肉眼可見的動作笨拙、速度緩慢，也直白透露出人形機器人距離真正像人一樣踢球，還有數道必須跨越的技術關卡。

02.

讓機器人真正像人一樣玩足球，到底有幾個關卡

理論上，我們人類走路、跑步、踢球的平衡調節，由小腦和神經系統無意識完成，整個過程不需要刻意思考。人形機器人要實現同樣的效果，需要實時采集全身關節的力矩、角度數據，計算重心位置，調整每一個電機的輸出，全程維持雙足的動態穩定。

在2025年北京舉辦的世界人形機器人運動會上，參賽機器人的奔跑速度僅約1.2米每秒，遠低于人類職業球員每秒七八米的沖刺速度，即便如此，場上依舊頻繁出現絆倒、摔倒的狀況。

舉個例子，在足球5V5比賽環節同樣糗態百出，人形機器人憑借的是實時計算進行，但這也意味著比賽過程中會出現許多不穩定的情況，比如兩隊機器人擠在一起搶球，甚至還有隊內互搶，場面十分像“互毆”。有的機器人摔倒之后會自行站立起來，也有的站起來后沒多久又倒下。

同樣是人形機器人，為什么有的運行流暢自然、動作貼合人類邏輯，也有不少樣機頻頻出現滑稽失控的狀況？

首要的核心差距集中在軟件算法研發的復雜門檻上。拿宇樹G1這款機型舉例，硬件層面整機最多搭載43組活動自由度，單關節峰值扭矩可達120牛·米；軟件端配套宇樹自研專屬大模型UnifoLM，大幅強化動作復刻、強化自主學習兩類核心能力。可踢足球的機器人完全脫離人為控制，只靠實時計算行動，機器人之間怎么配合，如何分辨隊友和對手，球要怎么踢，全靠算法，也是開發中最難的部分。

本身培養一支踢足球的真人強隊就不容易，更何況踢足球的人形機器人。

此外，運動控制是身體基礎，感知系統則是機器人的眼睛，兩者之間的響應速度差，是制約踢球能力的另一道門檻。說白了還是大腦反應能力。

因為機器人通過攝像頭捕捉足球位置，需要完成圖像識別、坐標計算、軌跡預測，再把數據傳給決策系統生成動作指令，最后輸出到關節電機執行。整套流程的每一步都有時間消耗，累積起來就會形成明顯延遲。

賽場之上，足球始終處于滾動狀態，對手的位置也在持續變化，等機器人完成計算做出動作，目標往往已經偏離原位。

過往賽事中時常出現機器人對著空場地跑動、踢空足球的狀況，核心原因是感知與動作的不同步。高速對抗場景下，這種延遲的影響會被進一步放大，攔截、射門這類對時機要求極高的動作，成功率會隨延遲提升斷崖式下跌。倘若多機協同還要兼顧隊友的位置、對手的動向，還需要完成戰術分工、傳切配合。

清華大學自動化系研究員趙明國曾提到，5V5足球賽最大的難點在于多機配合，機器人需要根據場上站位動態調整自身角色，不能扎堆搶球，也不能出現防守空位。現實賽事里，多臺機器人爭搶同一個球、跑位重疊撞在一起的場景屢見不鮮。因為每臺機器人都有獨立的決策系統，彼此之間的通信存在延遲，全局信息同步存在誤差，想要實現人類球隊那樣流暢的戰術配合，對響應時效要求極高。

紙上得來終覺淺，絕知此事要躬行，虛擬環境里的完美表現，放到真實賽場往往大打折扣。實驗室和仿真環境中的參數永遠是理想狀態，真實賽場的草地有凹凸磨損，現場光線會隨時間變化，足球的磨損程度也會影響視覺識別效果。這些細微的差異，都會讓仿真中訓練成熟的算法失靈。行業內將這種現象稱為虛實差距，很多在虛擬環境里百發百中的射門動作，放到真實場地上成功率會大幅下降。

所以上面兩個卡點技術關卡環環相扣，牽一發而動全身，單獨突破某一項技術無法解決根本問題。行業想要突破瓶頸，需要從硬件到算法形成體系化的解決方案，用工程化的思路逐個拆解難題。

03.

到底該怎樣讓人形機器玩足球玩得像真球員

在產業界，破解人形機器人踢球的技術困局，需要通過產業分工提升迭代效率，逐步逼近人類球員的運動能力。

在較難的算法層面，其實可以通過平臺化的手段去改善難點。過去機器人足球賽事的參賽隊伍，大多需要從零開始設計機械結構、研發關節電機、調試基礎步態，大量研發資源消耗在重復的底層工作上，真正能投入上層算法優化的精力十分有限。硬件平臺化的出現，其實有利于這些問題的解決。

以加速進化為例，這類企業聚焦腿足運動控制技術，把機器人本體做成標準化、高可靠性的通用平臺，內置成熟的基礎步態和運動控制算法。參賽團隊拿到硬件后，不需要再糾結走路穩不穩的問題，可以直接把全部精力放在視覺感知、戰術決策這些高階能力的研發上。

本屆RoboCup有38支隊伍選用同一硬件平臺，正是這種產業分工趨勢的體現。硬件的標準化讓研發門檻大幅降低，甚至中學隊伍也能借助成熟平臺參與國際賽事，行業整體的迭代速度隨之加快。獨行快，眾行遠，分工協作正在讓人形機器人的技術突破跑出加速度。

說了這么多的平臺價值，那究竟何為平臺化？其實這可不是打造出一款功能完備的終端就算了，更長遠的目光著眼于提供一個可生成無限功能的平臺結構。

我們可以舉個例子，以前微軟做操作系統，實際上就是打造的軟件生態平臺，安卓軟件都得依托于這個平臺在手機端和PC端運行，這對機器人也一樣，有了這個平臺，搞訓練，構建數據場景就有了依托。具體做法上，需要配套視覺化的開發工具、預設Agent組件、課程內容、示例代碼等，從生態工具入手建立開發者體驗，如此就有利于算法的不斷迭代更新和完善。

此前，字節跳動Seed團隊與清華大學合作提出的HumanoidKick算法，就采用端到端深度強化學習，實現找球、追球、踢球全過程的統一策略，視覺感知與運動控制形成毫秒級響應，面對動態滾動的足球，適應性遠高于傳統預設策略 。

至于針對多機協同的難題，行業的解法是在統一全局坐標系的基礎上，賦予單臺機器人自主決策能力，同時通過低延遲通信共享關鍵信息，避免中心化控制的帶寬瓶頸。

例如清華火神隊為備戰本屆賽事，專門升級了多智能體協同策略，優化了角色動態分配和跑位預判算法，決賽下半場能連進五球，靠的就是團隊配合的效率提升，而非單臺機器人的個人能力。此外，中國移動靈犀機器人則通過激光雷達、廣角相機、深度相機多傳感器融合，構建統一的本體坐標系，讓每臺機器人都能精準判斷自身與隊友、足球的相對位置，在MWC上海的人形機器人點球大賽中拿下總冠軍，同時斬獲金手套、金靴等多個獎項。

04.

結語與未來

回過頭來看，足球其實同樣屬于機器人技術的一種高難度驗證場景。今天機器人在綠茵場上學會應對的每一種不確定性，明天都會轉化為在工廠、家庭、公共場景中解決問題的能力。

就像足球運動的魅力永遠在于突破自我，人形機器人的這場綠茵競技，隨著技術的不斷突破，也永遠沒有終點。

但下一腳射門會飛向哪里，整個行業都在拭目以待。