Las conferencias de primer nivel pueden celebrarse todos los años, pero entrar en esta revista no está al alcance de todos los laboratorios.
Science Robotics es reconocida como la revista de primer nivel en el campo internacional de la robótica, publicada bajo el sello de la revista madre Science, y su factor de impacto se sitúa a largo plazo en el primer lugar de la disciplina robótica. Publicar un logro en esta revista significa que la investigación ha pasado por la revisión por pares más rigurosa del campo y representa los avances tecnológicos más avanzados y pioneros del momento.
En agosto de este año, Science Robotics publicó un número especial dedicado a la robótica humanoide, reuniendo las últimas investigaciones en el campo de la robótica humanoide a nivel mundial. Este número especial incluye solo tres plataformas de empresas de robots humanoides en el mundo: Accelerated Evolution, Unitree y Boston Dynamics, que representan la vanguardia en la investigación global de robots humanoides.
En este número especial, el equipo del profesor Zhao Mingguo del Departamento de Automatización de la Universidad de Tsinghua, en colaboración con ByteDance Seed y la Universidad de Agricultura de China, publicó un artículo titulado "Learning Vision-Driven Reactive Soccer Skills for Humanoid Robots" (Aprendiendo habilidades de fútbol reactivas impulsadas por visión para robots humanoides). Este artículo propone un marco de aprendizaje de habilidades de fútbol reactivas impulsadas por visión, que permite a un robot humanoide, utilizando solo visión a bordo, completar de forma continua las tareas de buscar la pelota, perseguirla, ajustar la marcha y disparar en múltiples direcciones en un entorno dinámico. La plataforma de validación en hardware real para esta investigación es el robot humanoide de Accelerated Evolution.
Enlace al artículo: https://www.science.org/doi/10.1126/scirobotics.aed1152
Página del proyecto: https://humanoid-kick.github.io/
Este trabajo no se detiene en una sola acción o métrica específica. Integra la percepción visual, la estimación de estado, la locomoción bípeda y el contacto físico en una tarea de fútbol real, e incluso participa en el campo de RoboCup, donde se somete a prueba en entornos en constante cambio y con oposición real.
Un relevo tecnológico de veintidós años
En 2004, Zhao Mingguo guió a estudiantes para formar el equipo de fútbol de robots Vulcan de Tsinghua. Al año siguiente, llevaron sus robots autodesarrollados a competir en RoboCup. Los primeros robots medían solo unos 50 centímetros de altura, caminaban lentamente y durante los partidos necesitaban personal de protección para evitar caídas. Durante las más de dos décadas siguientes, el equipo Vulcan ha participado casi todos los años, y los robots han ido creciendo hasta superar el metro de altura, aprendiendo a levantarse de forma autónoma, correr rápido y realizar potentes tiros a puerta.
El campo de fútbol se convirtió también en un terreno de pruebas a largo plazo para que el equipo evaluara la visión, la toma de decisiones, el control del movimiento y la fiabilidad de la máquina completa. Cualquier retraso en milisegundos en el reconocimiento visual, cuántos centímetros se desviaba el punto de apoyo, en qué dirección el robot tendía a fallar el tiro, todo se mostraba directamente en la competición real. El equipo llevaba los problemas de vuelta al laboratorio, modificaba los algoritmos y los ponía a prueba en el siguiente partido. Este ciclo se repitió durante más de veinte años.
Zhao Mingguo se ha dedicado durante mucho tiempo a la investigación en computación neuromórfica y control de robots. Participó en el desarrollo del chip neuromórfico "Tianjic" y la investigación de la bicicleta no tripulada, trabajos que aparecieron en la portada de Nature y fueron seleccionados entre los Diez Grandes Avances Científicos de China en 2019. Desde la computación neuromórfica hasta el fútbol robótico, su enfoque siempre ha estado en cómo la percepción, el juicio y la acción pueden funcionar de forma continua en un mismo sistema.
Con el paso de los años, los miembros del equipo Vulcan fueron rotando. Cheng Hao, fundador de Accelerated Evolution, fue el tercer capitán del equipo Vulcan. Tras graduarse en Tsinghua, acumuló experiencia en emprendimiento en Internet y como vicepresidente de producto de Feishu en ByteDance. En 2023, este capitán que nunca olvidó la robótica decidió emprender de nuevo y fundó "Accelerated Evolution". Muchos de sus compañeros de lucha en el equipo Vulcan se unieron también, embarcándose de nuevo en una empresa común sobre robótica como equipo fundador. El primer autor del artículo, Wang Yushi, es de la nueva generación del equipo Vulcan.
Desde la fundación del equipo Vulcan en 2004 hasta la publicación del artículo en una revista internacional de primer nivel en 2026, ha sido un relevo tecnológico que ha cruzado veintidós años.
Hacer que el robot vea y reaccione en medio del ruido
Este artículo intenta resolver un problema que ha preocupado a la comunidad académica durante años: en un entorno real lleno de ruido, retrasos y oclusiones, ¿cómo puede un robot humanoide lograr reaccionar al instante al ver?
Cuando un humano juega al fútbol, la visión y la acción ocurren casi simultáneamente. Los ojos siguen el balón, el cerebro juzga la distancia y la dirección, y el cuerpo ajusta continuamente el centro de gravedad y la colocación de los pies. Incluso si el balón queda momentáneamente bloqueado, una persona puede predecir dónde podría aparecer a continuación basándose en su trayectoria de movimiento anterior.
Para que un robot complete este proceso utilizando cámaras, algoritmos y control de articulaciones, la dificultad es mucho mayor. Las imágenes capturadas por la cámara pueden desenfocarse debido al movimiento brusco, la detección de objetivos presenta ruido y retrasos, y el balón puede salir del campo de visión o quedar ocluido. Al mismo tiempo, el robot bípedo debe mantener el equilibrio y decidir la posición del siguiente paso en decenas de milisegundos. Percepción, localización, toma de decisiones, movimiento y contacto físico se comprimen en una tarea continua; si cualquier eslabón se retrasa medio segundo, el robot puede fallar el tiro o caerse.
Los enfoques tradicionales suelen descomponer este proceso en múltiples módulos. El sistema visual identifica el balón y estima su posición, el módulo de decisión selecciona una acción y el controlador de movimiento ordena al robot que la ejecute. Este método facilita la depuración, pero también tiende a producir una transmisión escalonada de errores y retrasos. Además, una estrategia entrenada en simulación perfecta puede sufrir una caída significativa del rendimiento en el mundo real debido a la iluminación, el ruido o las oclusiones.
El equipo de Zhao Mingguo propone un marco unificado de aprendizaje por refuerzo percepción-movimiento. La idea central es colocar la percepción visual y el control del movimiento bajo el mismo objetivo de optimización para realizar un entrenamiento de extremo a extremo.
Visión general del sistema de control del robot de Accelerated Evolution impulsado por visión.
El equipo de investigación primero estableció un sistema de percepción virtual.
Hicieron que un robot real observara un balón de fútbol desde diferentes distancias y ángulos, acumulando aproximadamente una hora de datos, que luego contrastaron con las posiciones reales registradas por un sistema de captura de movimiento, obteniendo así características de percepción como el ruido de posición, la tasa de éxito de detección, la frecuencia de actualización y los retrasos.
Estas características se incorporaron posteriormente a la simulación. Cuanto más lejos está el balón, mayor es el ruido de posición; el campo de visión de la cámara cambia con la postura de la cabeza del robot. Incluso cuando el balón aparece en el campo de visión, la detección puede fallar debido al desenfoque de movimiento u otras razones. El sistema visual se actualiza a aproximadamente 25 Hz, con un retraso promedio de unos 116 milisegundos.
Después de una interrupción visual breve, el controlador aún necesita juzgar la posición y la tendencia de movimiento del balón basándose en información previa. Para ello, el artículo diseñó una arquitectura codificador-decodificador.
La estrategia lee las observaciones históricas de los últimos 50 fotogramas, aproximadamente un segundo, y comprime esta información en un estado oculto de 64 dimensiones. Durante la fase de entrenamiento, el decodificador intenta reconstruir la posición real del balón y los parámetros dinámicos del robot a partir del estado oculto. Esta tarea auxiliar ayuda a la estrategia a eliminar el ruido visual y le permite continuar estimando la posición del objetivo incluso después de que el balón desaparezca brevemente.
El Actor, responsable de generar acciones, solo puede usar las observaciones parciales que el robot real puede obtener, mientras que el Crítico en la fase de entrenamiento puede acceder al estado completo del entorno de simulación, proporcionando información adicional para la optimización de la estrategia. Tanto el decodificador como el Crítico se eliminan una vez se despliegan en el hardware real.
Para que las acciones fueran más naturales, el equipo también introdujo un Prior de Movimiento Adversario (AMP). Los datos de entrenamiento incluían aproximadamente 76 segundos de datos de movimiento humano caminando omnidireccionalmente y 30 segundos de datos de tiro con el empeine. Un discriminador se encarga de evaluar cuán cercana es la acción del robot a la demostración humana, mientras que la estrategia de aprendizaje por refuerzo continúa optimizando en torno a perseguir el balón y marcar goles.
Una restricción de simetría especular ayudó aún más al robot a dominar los tiros con ambos pies, evitando converger a patear solo con un lado. Finalmente, buscar el balón, perseguirlo, ajustar la colocación del pie y disparar se integraron en una misma estrategia, y el controlador emite comandos de posición articular a 50 Hz.
Los cinco tipos de patrones de movimiento formados por la estrategia, que incluyen tiros con el pie izquierdo y derecho, caminar hacia adelante y girar a izquierda y derecha. Las trayectorias de colores son acciones generadas por la estrategia; los puntos grises son acciones de referencia humana.
Durante el entrenamiento surgieron numerosos comportamientos autónomos.
Cuando el balón se acercaba al borde del campo visual, el robot giraba activamente la cabeza y el cuerpo para devolverlo al centro de la visión. Si no encontraba el balón cerca del borde del campo, normalmente primero se orientaba hacia el centro del terreno antes de ampliar el rango de búsqueda.
La marcha también cambiaba con la distancia al balón. A mayor distancia, el robot adoptaba una frecuencia de paso más lenta, con un ciclo de marcha de aproximadamente 0.7 a 0.8 segundos, para mantener una observación estable; al acercarse al balón, el ciclo se reducía a 0.3-0.4 segundos, utilizando pasos más cortos y rápidos para ajustar con precisión la colocación del pie.
Cuando la portería estaba detrás del robot, la estrategia incluso generaba una acción de tiro de gancho giratorio: el robot giraba sobre su pie de apoyo mientras la otra pierna enganchaba el balón lateralmente hacia la portería, ahorrando el tiempo de reposicionarse.
Estos cambios también se reflejaron finalmente en los datos experimentales.
En el segundo previo al tiro, el error en la posición del balón en las observaciones visuales crudas era de 0.344 metros. Tras la estimación del estado interno por parte de la estrategia, el error se redujo a 0.186 metros, una disminución de aproximadamente el 46%. En simulación, cuando la detección visual se interrumpía brevemente durante 0.3 segundos, la tasa de éxito de tocar el balón del robot aún superaba el 90%, y la tasa de gol superaba el 50%. Frente a un balón estático, la estrategia aprendida normalmente necesitaba solo unos 1.5 segundos desde el inicio hasta tocar el balón, mientras que los sistemas tradicionales basados en reglas requerían entre 2 y 5 segundos, logrando una reducción máxima del tiempo del 64%.
Comparación entre la estrategia aprendida y las estrategias avanzadas basadas en reglas actuales de RoboCup. (A, B) Tiempo requerido por el robot desde el inicio hasta tocar el balón en diferentes ángulos de aproximación, y la velocidad angular máxima durante este proceso. El robot parte de un estado estacionario a 1.5 metros del balón. Las áreas sombreadas indican la desviación estándar, con 5 pruebas por dirección. (C, D) Acciones típicas cuando la estrategia basada en reglas controla al robot para patear hacia adelante (0°) y hacia atrás (180°). (E, F) La estrategia aprendida puede integrar acercarse al balón y disparar en una acción continua.
En las pruebas con el hardware real, el robot logró una tasa de éxito del 80% al 90% en posiciones ofensivas, y del 60% al 70% en posiciones defensivas, sin caerse durante las pruebas. Frente a un balón en movimiento, cuando la velocidad del balón era inferior a 0.5 metros por segundo, la estrategia mantenía una tasa de éxito superior al 50%, y los experimentos con hardware real mostraron una tendencia similar.
Leyenda: Tiros reactivos ante un balón rodante.
(A) Cuando el balón rueda lateralmente, el robot se desplaza rápidamente de lado y completa el tiro. La parte (i) muestra la trayectoria del robot y el balón junto con el patrón de contacto de los pies correspondiente; la parte (ii) muestra la secuencia de acciones del robot.
(B) Cuando el balón rueda hacia atrás respecto al robot, este gira rápidamente y dispara. (i) y (ii) muestran lo mismo que en (A).
(C) Tasa de éxito del tiro, tasa de gol y tiempo de contacto para diferentes velocidades del balón. Los resultados de simulación se muestran en gráficos de barras, con 8192 pruebas por velocidad; los resultados del hardware real se marcan con triángulos, con 10 pruebas por velocidad. Las barras de error indican la desviación estándar de los resultados de simulación.
Esta estrategia también se integró como módulo de habilidad motriz en el sistema completo de competición del equipo Vulcan de Tsinghua. En 2025, el equipo Vulcan ganó la RoboCup Humanoid Adult Size League y el campeonato mundial de los Juegos Olímpicos de Robots Humanoides, marcando un total de 76 goles y encajando solo 11 en ambos torneos. En 2026, el equipo defendió con éxito su título en la competición RoboCup Large Size.
Hacia la próxima generación de plataformas encarnadas
Que una estrategia aprendida pueda desplegarse directamente de la simulación al hardware real no depende solo del algoritmo. La consistencia de la respuesta articular, la estabilidad del ciclo de control, si los sensores y la unidad de cálculo pueden producir resultados a tiempo, todo afecta el rendimiento final. Cualquier error de bajo nivel puede amplificarse durante movimientos de alta velocidad.
Los experimentos con hardware real en el artículo utilizaron la plataforma de robot humanoide de Accelerated Evolution. Los experimentos no modificaron específicamente el hardware; la información del balón provenía de la cámara a bordo en la cabeza, y tanto la percepción como el control se ejecutaban en la unidad de cálculo integrada. Esto demuestra que los robots humanoides producidos en serie en China ya pueden albergar investigación de vanguardia mundial en inteligencia encarnada. Los investigadores pueden centrar sus esfuerzos en los algoritmos y luego desplegar los resultados del entrenamiento en hardware real.
La relación entre Accelerated Evolution y el equipo Vulcan se extiende así, desde la transmisión de talento hasta la plataforma tecnológica.
En julio de este año, Accelerated Evolution lanzó su nueva plataforma insignia Booster T2. La versión profesional incorpora el chip NVIDIA Thor, con una potencia de cálculo en el dispositivo de 2070 TFLOPS, siendo la plataforma con mayor potencia de cálculo en el campo de los robots humanoides bípedos actualmente. El Booster Studio que la acompaña integra el entrenamiento en simulación, el desarrollo de algoritmos y el despliegue en hardware real en un mismo entorno de desarrollo.
El 19 de agosto, Booster T2 hizo su debut oficial en la World Robot Conference, mostrando su primer espectáculo de movimientos de alta explosividad. Tres días después, 80 unidades de Booster T2 realizaron una coordinación autónoma descentralizada en la ceremonia de apertura de los Juegos de Robots, escribiendo en el suelo "BEIJING", el emblema de los juegos y los logotipos de las tres disciplinas, sin control remoto ni órdenes verbales, 80 "cerebros" tomando decisiones independientes lograron coordinarse en el mismo instante. La potencia de cálculo combinada de las 80 máquinas alcanza aproximadamente 170,000 TFLOPS, formando un clúster de computación ambulante.
El bucle de percepción en una sola máquina y la transformación coordinada de múltiples máquinas dependen de la misma capacidad subyacente: un hardware estable, computación en tiempo real en el dispositivo y control de movimiento preciso. Los límites de estas capacidades se expanden continuamente con cada iteración de la plataforma.
Desde los primeros robots de 50 centímetros que necesitaban apoyo humano para mantenerse en pie, hasta los Booster T2 de hoy que juegan al fútbol de forma autónoma en campos de mil metros cuadrados o forman columnas para escribir en ceremonias de apertura, veintidós años de acumulación se manifiestan a una escala cada vez mayor. Los robots humanoides están pasando paso a paso de "saber moverse" a "ser útiles", de la acción individual a la colaboración grupal.
Enlace de referencia: https://www.science.org/journal/scirobotics
Este artículo proviene del WeChat Official Account "机器之心" (ID:almosthuman2014), editado por Yang Wen.
