机器人仿真足球：人形选手现仅五六岁水平，未来5-10年有望超越人类球队
作者 | 梁昌均
按照程昊这位加速进化创始人兼CEO对当下机器人踢球能力所作出的判断来看，倘若将人类世界杯冠军当作是10分的话，则当前机器人踢足球其所达到的水平大概就跟五六岁小朋友差不多。而这个水平所对应的也就是处于1至2分这样一个程度啊。
近日，在位于北京亦庄举办的 2025 机器人足球联赛总决赛，加速进化身为联合主办方之一，为参与到联赛之中的队伍，提供了标准化的机器人本体平台。
去年四季度起开始了这场联赛，第一届是在加速进化内部举办的，第二届同样是在加速进化内部举办的，此次第三届进行了品牌升级，机器人踢足球从之前的遥控方式，从遥控与AI结合的方式，变成了完全由AI驱动的方式。
历经十余年征战机器人世界杯比赛的清华大学火神队，最终，战胜了中国农业大学山海队，还战胜了清华大学未来实验室Power智能队，也战胜了北京信息科技大学Blaze光炽队，从而获得冠军。
程昊跟此次夺得冠军名次的火神队有着相当深厚的渊源，他在曾于清华就读期间担当第三任队长，2010年完成学业之后，程昊前往亚马逊从事AI研发工程师工作，之后返回国内创办朝夕日历，在被字节收购后进而进入 。
但他并未放下对机器人的那份热爱，在看到特斯拉发布相关内容，进而引发大模型浪潮之后，于2023年做出决定再次创业，成立了加速进化，把踢足球当作主打能力，还推动它持续不断地进化。
在这次决赛之前，程昊和田搜狐科技展开了独占性质的对话交流，他阐述了借助人工智能驱动推动机器人实现升级的情况，他觉得当前通过遥控操控的机器人比不上依靠人工智能的，人工智能的识别更为精确精准，出现踢空状况的情形也会更为稀少少见 。
这与加速进化去研发且开源的机器人AI自主踢球基础框架没法分开。程昊透露，那个框架已迭代到第二代，端到端全身运动大模型有希望在接下来的比赛里得到应用。程昊希望其能支持中国队拿到首个总决赛冠军。
程昊作出判断，人形的机器人会在两三年之内，有可能就能够跟人去踢球，想要超过人类的一般球队，需要5到10年，并且这种机器人有望提前实现所提出的2050年时机器⼈足球队能够击败人类世界杯冠军球队的目标。
然而，这是需要技术做进一步迭代的。人形机器人的最终结局是具身大模型与全身运动控制大模型。但当下具身大脑面临诸多挑战，算法框架并不成熟，数据极其稀少。
在业内，也因此形成了两派，其中一派是仿真派，也就是在仿真平台生成数据来进行训练，另一派是真机派，便是通过采集真实世界之中的数据来开展训练。
有人认为程昊的想法是，这两种路径都无法做好，他觉得首先得让实行四肢健全的人形机器人达成设想，并非一开始就去追求全能，这如同人的成长路径那般 。
往后的演化将会呈现出分层大模型，将这些予以应用，便能够促使机器人在诸多场景实现落地，进而采集海量的真机数据，再联合仿真数据，塑造融合数据用以训练具身大脑，这条路径才最具可能成功。
依行业而言，人形机器人在今年热度未曾消减。从其能够跳舞翻跟头，到可以跑马拉松，再到宇树科技举办拳击赛，以及加速进化举办足球赛，这些情况映照出此行业的热闹状况。
今年以来，资本也开始涌动，有多家机器人企业获得了融资，其中银河通用、宇树科技更是分别完成了一轮融资，金额分别为10亿、7亿元。王兴兴还透露，宇树的年营收已经达到了10亿元，并且其还被传出上市的消息了。
自去年10月进入量产阶段以来，加速进化凭借持续的发展，已经收获了数百台订单，并且很快就要推出更具成本优势的新款机器人。与此同时，在6月初宣布A轮融资之后，加速进化还会对外公布新的融资情况 。
程昊于对话里着重表明，加速进化成立的时长还不足两年，不打算盲目地去追逐高价位。他称，当下尚未抵达需将销量做到极为庞大的阶段，把自身的内在实力夯实更为关键，人形机器人市场真正呈现出爆发态势的时刻尚未来临。
以下是此次独家对话精编：
一、AI让机器人具备更强踢球能力，5-10年能超过人类球队
搜狐科技：从借助遥控操控，发展至结合AI与遥控操控，进而演变为完全由AI驱动，机器人的硬件以及软件究竟有着怎样的升级变化呢？参与竞赛的团队依据公司的T1展开算法改造时，其侧重点又存在哪些不同之处呢？
程昊表示，这次比赛存在着这样一个最大的特点，那就是AI进行自主驱动，而这对于机器人硬件而言，所具备的要求在于，它得拥有较强的算力，以此能够让算法在本体上面实现高效运行，与此同时，在机器人团队这块，其还要求对那种感知和决策方面的算法有着比较强的开发能力。
对于感知这一层次而言，需要针对球以及场地方面的信息，其中涵盖场地线、球门这些内容，做到识别足够精确，定位能力同样要十分突出。在决策这个范畴，我们于全球范围内率先着手开展3V3比赛，其中一部分会运用偏向专家系统的决策算法，另一部分运用神经网络。我们做出判断，后续将会有越来越多的团队借助强化学习来进行决策。
关键之处在于，我们开源了一套用于机器人 AI 踢球的基础框架，现阶段已有十几支队伍具备了 AI 踢球的能力。遥控赛同样具有价值，它能够让更多人参与其中，对此遥控赛对遥控人员具有较高的要求。
搜狐科技，我们先前有过体验，要是遥控操作把握得不太好，那么机器人就并非格外顺从，比如说会出现踢空的情况，AI能不能处理这些欠缺呢？
程昊表示，当下遥控踢是比不过AI的，我们所拥有的这套AI框架，其算法效率是极为高的，识别精准率相较于遥控而言更强，并且踢空的现象会远比遥控赛少很多。
我们如今已然开发出了一套全新框架，此框架涵盖了端到端全身运动大模型，借助该模型能够使机器人奔跑起来，好比人那般站住传球，或者在球处于面前时走过去大力射门，并且会存在快速的趟球，也就是我们称作 fast kick 的那种，这很有可能会在接踵而至其后的世界杯比赛之上加以应用起来。
搜狐科技提到，对于AI去进行控制而言，首先极为关键的是机器人的眼睛，然而在机器人行走之时存在抖动情况，那么怎样去解决识别方面的问题呢？
程昊称，公司在最近的新品会上推出的双目摄像头，是完全依靠自身研发的，其价格要便宜许多，并且具备双目深度能力，然而该领域的技术已处于相当极限的状况 。
辨识出最大的难题并非在于相机，而是在于机器人前行之际存在着极为显著的抖动，涵盖了脖子关节齿轮相互之间背隙所引发的晃动，其产生的影响会更为突出。后续的迭代需要在机械构造方面削减晃动，借助更为强大的算法能够予以识别，进而达成类似于相机防抖的成效 标点与原句一致，未换行。 。
只是前者机器人进行防抖相比后者相机防抖而言更难，原因在于相机防抖并不存在需要进行定位的情况。因而机器人一方面要达成防抖的效果，另一方面还得将真实的数据传递给机器。使其能够做到精准定位，这从而构成了新的挑战。
搜狐科技称，有这样一个情况，要是跟人类足球队相比较，并且按照10分来计算分数，那么此次经过AI升级之后的机器人进行踢球，它处于什么样的一种水平呢？
程昊称，要是将人类世界杯冠军看作是10分的话，那现如今人形机器人踢足球达到了接近五六岁小朋友的水准，也就是处于1 - 2分的那种状况 。
在一年之前，整体水平大致相同，过往时段共计一年，进化速率极为迅速，无需保护人员，速度超过每秒一米，倒下后自己能够站起来。
搜狐科技提出这样一个问题，目标是在2050年的时候，机器⼈足球队能够击败人类世界杯冠军，那么，这一目标能够提前实现吗 ？
程昊说道，从一分走到两分，再从两分走到十分 。我们预计，不需要等到二零五零年 ，或许会更快 。两三年内有可能就能够开始与人进行踢球 ，比如说会先和青少年进行踢球 ，等到之后再跟成人进行踢球 。超过人类一般球队大概可能需要五到十年 ，最终赢得世界杯冠军 。未来的发展速度并非是线性的 ，也许是指数级的 。
二、机器人下一步演化是出现分层大模型，不会一上来就追求全能
搜狐科技：此次参赛的团队，所运用的依旧是传统的模块化算法，其感知与决策是相互分离的，您觉得在后续阶段会朝着怎样独特的方向去演变呢？
程昊说，我们觉得终局应当是具身大样模数与全身运行管控大样模组像人那般有大脑跟小脑，然而当下具身大样模数遭遇诸多难题，整个算法架构未成熟，资讯亦极为有限。
接下来的发展趋势是将会出现层次分明的大模型，其中，小脑部分会有一个大模型，导航定位方面会有一个大模型，决策环节会有一个大模型，交互领域也会有一个大模型。当这些各自独立的大模型相互结合起来时，机器人便已经能够在诸多场景中得以应用，之后会收集大量来自真实场景的数据进行反馈，进而逐步再合成一个大模型，以此实现具身大模型。
搜狐科技：您说到了数据少这个问题，当下业内存在着两派，一派是采用仿真数据去开展实践，另一派是收集真实世界当中的数据，您相对而言更倾向看好哪种方式呢？公司的思路又是什么，做法又是怎样的呢？
程昊表示，这两种方式没错，在于当下处于极早期阶段而无法达成。仿真环境与真实环境存在极大差异，仅依靠仿真难以做好；仅凭借真机数据，数据量极小且成本极高 。
具身大模型所需数据或许是大语言模型的一万倍，甚至一亿倍也存在可能，它自身属于多模态数据，依靠机器人不停地采集数据，或者运用仿真生成数据来训练，我认为都难以做好。
我们觉得，人形机器人首要达成的，是四肢完备健全，接着再去结合分层大模型，促使它于各个场景之中开始展开工作，进而采集到数量众多的真机数据，之后再与仿真数据相结合，用以形成融合数据，依靠这些融合数据去训练具身大脑，沿这条路行动，才最具走成功的可能性。
搜狐科技称，这恰似自动驾驶的路线，起初要使大量的车辆上路行驶，接着收集数据用以训练，然而这必须先达成较大规模的落地，才能够运行顺畅，。
程昊表示，自动驾驶存在L2、L3、L4等级别，当下尚未达成L4级别，不过L2、L3级别大家已然开始投入使用，他一直判定，只要将全身运动控制妥善做好，把导航模型以及决策模型做好，机器人便能够实现落地应用了。
搜狐科技：所以公司现在还不会追求那种特别全能的机器人？
程昊表示：没错没错没错，就好比刚开始的时候，先让机器人跟着小朋友四处跑动，和小朋友展开交谈，这是能够实现的。在这样的进程当中，将家庭里各种各样的数据收集起来，接着再逐步去训练更为优良的模型，最终使得它能够从事家务劳动。
搜狐科技：公司目前在机器人大模型上有什么进展？
程昊称，在AI自主踢球这件事上，已然迭代至第二代，已研发出端到端全身运动大模型，此模型会向小脑提供视觉信号，其核心在于使机器人如人类般运动，运用一套神经网络开展各类动作，其中还融入了各种开门动作 。
搜索狐狸科学技术，众多与机器人有关的企业，当中涵盖如同智源这般的科研组织，均在寻觅具备实体的大脑，该公司所采用的计谋究竟是什么呢？
程昊称，我们的重点在于做机器人本体操作系统，还有开发工具，操作系统具备小脑、定位导航的能力，并且拥有大脑本地对话的能力，而这一部分我们是要自己去做的。
大脑未来会更多地呈现为云侧与端侧相结合的态势，云侧大脑或许需要极为庞大的算力，以及数量众多的数据，由资本雄厚且资源充分的大厂来开展会更具优势，对于这部分，当前我们的策略是更多地与开发者展开合作，同时也会跟专注致力于大脑研究的企业进行合作。
三、现阶段核心是修炼内功，机器人市场还没到爆发时刻
搜狐科技说，从机器人跳舞、马拉松，再到打拳击、踢足球等情况，好多人觉得这属于营销，而机器人离真正落地还特别远，您对此是怎样看待的呢？
程昊表示，马拉松所展现出来的是机器人具备的可靠性以及稳定性，足球赛的技术包含着更大的难度，对于可靠性有着更高的要求，并且还需要体现出AI的能力，未来的场景将会更加复杂，技术需要一步步地进行迭代，最终推动机器人进入家庭 。
从机器人行业的发展来看，它要得以兴起，不单单需要涵盖机器人公司，而且一定要有数量众多的开发者才行，与此同时，还必须存在更多的潜在用户，通过他们去逐步地进行了解。实际上，就当下的状况而言，普通大众是不会去购置机器人的，因为买来之后能做些什么呢，毕竟尚未达到这样的阶段。
然而借助这些竞赛，是可以吸引更多正犹豫不决以及存有潜在可能性的开发者投身其中的，进而促使技术更迅速地得以发展，这才是最为关键的意义所在。这便是我们与宇树，在真正意义上背后所要推动的事项了 。
搜狐科技，今年机器人赛道特别火爆，银河通用以及宇树，近期完成了大额融资，您对于资本这般高程度的关注，是怎样看待的呢？
程昊表示，这是资本融资所具备的特点，在一两年之前，或许存在一种情况，即有个本体能够行动起来，拍摄一个演示样本就能够融到资金，紧接着，谁能够率先实现产品出货，是否可以在更多的场景当中实现落地，达成大规模的可靠量产，才能够实现持续发展 。
搜狐科技：公司在6月初宣布了A轮融资，接下来会加快融资吗？
程昊表示，我们不会把估值无比激进地推到特别高的程度，进而融特别多的钱。他还说，自己以前创业时曾遭遇过估值一下子翻了十倍的状况，那种情况下就极易变得得意忘形，你明白吗？当估值特别高的时候，那些投资人同样会期待你去做一些更花哨的事情，唯有如此才能够持续不断地把估值推得更高。
可是我们认为在当前这一阶段里，特别是针对一家成立还不到两年的处于初始兴办当中的企业而言，将自身内部的实力基础打造稳固会显得更为关键重要。我们同样是存在着轻重缓急的选择的，举例来说就是并没有耗费精力去致力于达成那种能够进行连续快速翻转腾挪、急速大幅向前行进的能力，而在我个人认为这些能力在第一个阶段所起到的助力意义并不是很大。
据搜狐科技报道，王兴兴早先说宇树年营收已然达到了10亿，而加速进化当下存在的是数百台订单，在未来商业化方面有着怎样的规划呢 ？
程昊表示，宇树历经十年之久，就我们的认知而言，凭借其过往的累积，于今年达成十几亿的营收状况是具备颇高可能性的。我们会确立属于自身的目标，并非毫无头绪地去追逐过高的目标，要是如此这般，极易致使动作出现偏差 。
首当其冲第一点，我是这么认为的认为核心关键在于每一步都得每一地都得走得稳扎稳打，稳扎打稳，第一步是第一年就第一年要迅速快速地把产品给做出来，去年那是去年，就在去年10月的时候开始正式着手售卖以及量产，从生产制造能力方面来看，原本是一周仅仅只能生产3台，然后提升到几十台，接下来后续更接着紧随其后要提升到一周能够生产几百台这样一个水平 。
我们此刻坚决不开展大规模的预订活动，而是当客户下达订单之后，迅速完成出货一系列流程，并助力客户达成交易。当下，尚未抵达把产品销量提升至极为庞大程度的阶段，仍旧处于着重修炼自身内在能力的时期，人形机器人所对应的市场真正迎来爆发式增长的时刻尚未降临。