Des chercheurs de l’université Tsinghua, de ByteDance Seed et de l’Université agricole de Chine ont développé un contrôleur qui relie directement la vision aux mouvements d’humanoïdes jouant au football. Entraînée entièrement en simulation, la méthode a été transférée sur des Booster T1 sans adaptation sur le robot réel.
Percevoir et agir dans une même boucle
La recherche, publiée dans Science Robotics, s’attaque à un problème classique du football robotique : un ballon rapide peut être flou, caché par un adversaire ou observé sous une lumière changeante. Une architecture séparant strictement perception et commande risque alors d’introduire du retard entre la détection et le geste.
Le nouveau système optimise ces deux fonctions dans un même objectif d’apprentissage par renforcement. Son encodeur traite cinquante images, soit une seconde d’historique, puis les compresse dans un état latent de 64 dimensions. Un décodeur reconstruit la position du ballon à partir de cette représentation, y compris lorsque celui-ci disparaît brièvement du champ de la caméra.
Les auteurs y ajoutent des priorités de mouvement adversariales, une technique qui encourage des gestes humanoïdes plausibles. Les politiques ont été entraînées dans un environnement simulé avant d’être exécutées directement sur les Booster T1 physiques. Le transfert annoncé ne nécessite ni réglage manuel ni apprentissage supplémentaire sur le terrain.
Des résultats mesurés en situation dynamique
Selon les résultats communiqués avec l’étude, le contrôleur réduit de 46 % l’erreur d’estimation de la position du ballon et de 64 % le temps nécessaire pour déclencher un tir. Le taux de réussite des frappes atteint environ 90 % depuis les positions offensives testées.
Le terrain de football offre un banc d’essai exigeant : contacts entre robots, occlusions, changements de trajectoire et décisions à prendre en temps réel. L’équipe indique que la méthode a contribué aux performances observées lors de compétitions réelles, dont la RoboCup 2025. Cela ne signifie pas qu’un contrôleur généraliste est prêt pour tous les humanoïdes, mais montre qu’un apprentissage simulé peut résister à davantage de désordre physique.
Un intérêt au-delà du ballon rond
Le principal apport n’est pas le football lui-même. Une boucle vision-action réactive peut intéresser la manutention mobile, l’inspection ou l’assistance, où un robot doit poursuivre une tâche malgré des objets masqués et des mouvements imprévus. La méthode reste cependant évaluée sur une plateforme et un domaine précis.
Les prochaines comparaisons devront préciser sa robustesse avec d’autres caméras, d’autres morphologies et des tâches plus longues. Pour l’heure, l’étude fournit surtout une démonstration physique documentée du passage de la simulation au terrain, avec des gains mesurés plutôt qu’une simple séquence promotionnelle.
