机器人连“幽灵拉博纳踢”都会了……现代汽车公开Atlas训练幕后故事

by Choi Youngchan

Published 05 Jun.2026 08:58(KST)

Updated 05 Jun.2026 13:46(KST)

open/close

动作捕捉、重定向、人工智能强化学习
从模拟验证到实际应用
通过足球学习自然动作

现代汽车波士顿动力的人形机器人Atlas如何实现高水平足球技术的训练过程已被公开。

波士顿动力研究员向Atlas传授足球技术的场景。现代汽车供图

现代汽车4日在官方优兔频道公开了收录国际足联2026年世界杯™活动“足球学校（School of Football）”开发过程的制作花絮影片。与此同时，波士顿动力也通过官方博客介绍了说明Atlas如何训练足球技术的相关内容。

“足球学校”是现代汽车国际足联世界杯™活动“未来从此刻启程（Next Starts Now）”的一环，视频展现了Atlas学习足球动作并不断拓展机器人技术边界的过程。

尤其是从步法、传球、射门等足球基本动作，到交叉双腿完成射门的拉博纳踢法变体“幽灵拉博纳踢”，Atlas都能精准完成高难度动作，自公开后便吸引了全球足球迷和机器人行业的关注。

波士顿动力研究团队表示，要让人形机器人动作更加自然，就必须同时学习▲平衡 ▲时机 ▲协调 ▲适应能力。为此，研究团队将足球视为人形机器人学习人类动作的方法之一。

通过模拟在执行踢腿动作前评估学习结果的场景。现代汽车供图

足球是对平衡、时机、协调和精细动作都有综合要求的代表性运动，因此研究团队将其用作人形机器人学习自然动作的最佳环境。

现代汽车与波士顿动力从世界级足球运动员的生物力学和动作模式中获得灵感，设计了Atlas学习程序。此后，团队参考球员动作，将其转换为可训练的动作数据和动作协议，并应用于Atlas的学习过程中。

研究团队首先利用动作捕捉（Motion Capture）系统采集足球运动员的动作，随后进行重定向（Retargeting）处理，将其转换为适配Atlas身体结构的动作。

这一过程是克服人与机器人身体结构差异的核心步骤。即便外形上是与人相似的人形机器人，但由于关节结构和运动范围不同，仍需要精密的转换作业。

之后，团队利用强化学习（Reinforcement Learning）让机器人反复学习相关动作。在这一过程中，Atlas不仅仅是模仿人的动作，还会学习自身身体物理特性和电机控制方式，自主优化平衡与力量传递。

此外，Atlas还在云端图形处理器环境中同时运行数千个模拟开展训练。借此，机器人仅用24小时就能获得相当于人类约1年的试错经验，并通过这种大规模并行学习快速掌握复杂动作。

通过这种方式学到的动作也会被应用到真实的Atlas机器人上，而且在大多数情况下，从首次执行起就能稳定实现。此后，测试过程中出现的误差还会再次反馈到训练中，从而持续提升性能。

School of Football活动主视觉。现代汽车供图

视频中还公开了Atlas所完成的高难度技术“幽灵拉博纳踢”的开发过程。

“幽灵拉博纳踢”是在传统拉博纳踢法基础上加入迷惑防守队员的假动作（feint）而成的高难度足球技术。研究团队表示，他们先记录足球运动员完成该动作的过程，再将其转换为适配Atlas身体结构的形式，并通过人工智能（AI）训练在真实机器人上实现。

这一动作同时要求为假动作进行快速变向、在起跳与落地过程中保持动态平衡，以及在踢球瞬间实现强力传导，因此被视为检验人形机器人物理控制极限的复杂技术。

研究团队表示，Atlas通过足球学习到的动作并不只停留在体育技能层面，而是在提升机器人技术水平方面发挥着重要作用。

例如，可通过踢球动作掌握时机、发力和协调能力，并借助更复杂的动作发展旋转运动、重心转移和全身控制能力。

尤其是像足球这样同时要求移动与操作的环境，未来可直接扩展为机器人在物流、制造现场处理物体并移动作业的能力。借此可在产业现场替代困难、危险且重复性的工作，减轻人的负担。

此前，Atlas曾通过将重约23公斤的冰箱抬起并准确放置到桌面上的表现，展现出稳定处理重物的卓越全身控制能力。像这样，Atlas不仅能完成以物体操作为核心的作业，还能实现高难度动态动作，因此被评价为拥有世界顶级人形机器人控制技术。

现代汽车与波士顿动力今后也计划通过足球等多种挑战任务，持续提升Atlas的动作能力。

本报道由人工智能(AI)翻译技术生成。