人形机器人踢球不再各管一段：SoccerBot用人类动作先验统一四项技能并零样本上真机
核心概要
人形机器人踢足球此前要么只覆盖少数技能，要么完全不用动作先验而动作生硬。SoccerBot把大规模人类足球动作捕捉数据蒸馏成一个结构化的隐式动作先验，让单一技能条件策略在同一个潜空间里学习移动、带球、停球和踢球。在Unitree G1上，该策略零样本迁移到真机，仿真中踢球与带球成功率分别为97.04%和89.88%，真机踢球方向误差从4.09度升到10.41度。
深度剖析
按作者所知，这是首个在真实人形机器人上同时具备完整足球技能组合与类人动作质量的人形足球系统，移动、带球、停球、踢球由同一个策略完成。 此前的足球系统大多只做其中一两项，多技能系统则依赖各自独立训练、由显式状态机切换的控制器，切换处动作不连续；带人类动作先验的多技能足球此前只在仿真角色上实现过。 在每项技能各若干回合的仿真评测中，该策略踢球成功率97.04%、带球89.88%，均高于对比的PPO、AMP、ASE和LATENT；移动指令全部完成，停球成功率83.08%。
策略不直接输出关节目标，而是在一个冻结的隐式动作空间里学习残差，因此探索始终落在人类动作附近。 不用动作先验、只靠任务奖励的强化学习能踢球和停球，但带球成功率为零，动作也缺乏自然性。 与人类参考动作的MMD2距离上，该策略在训练参考集为0.226、在未参与训练的动作片段集为0.554，是四项技能全部完成的方案中最接近人类动作的一个。
训练时用前一项技能的终止状态初始化下一项技能，使策略见过切换后的姿态、动量和球的位置。 从标准初始状态出发时，带与不带这一初始化在踢球和带球上只差几个百分点。 从其他技能的终止状态起步时，完整模型在多数非停球切换格上更高，例如带球转踢球为87.5%对78.0%、移动转带球为78.5%对71.5%；在四种球与指令条件下，完整模型的踢球成功率均高于去掉该初始化的版本，中距离球上差距最大，为87.0%对34.3%。
启示与展望
演示范围是Unitree G1上的四项基本足球技能：仿真中每项技能若干回合，真机上每项技能若干次试验，球与机器人状态由外部光学动捕系统提供并转换到机器人基座坐标系。
仿真到真机的差距随技能而异：真机上踢球速度超出指令，带球和停球的连续指标退化最大，作者认为部分原因可能是仿真球为刚体而真实充气球在碰撞时变形。系统依赖外部动捕，只能用于有仪器的室内环境；技能集限于四项基本行为，实验只涉及单机器人控制。