Fußball-Humanoide aus Tsinghua schafft es auf das Titelblatt von Science Robotics, trainiert nur in der Simulation

Forscher der Tsinghua-Universität haben am 19. August 2026 in der Fachzeitschrift Science Robotics einen Reinforcement-Learning-Regler vorgestellt, mit dem ein humanoider Roboter einen Fußball in einer einzigen gelernten Schleife sieht und schießt, statt getrennte Module für Wahrnehmung und Bewegung zu nutzen. Der Aufsatz Learning Vision-Driven Reactive Soccer Skills for Humanoid Robots erschien in Band 11, Heft 117, und war nach Angaben der Autoren und des Hardwarepartners Booster Robotics die Titelgeschichte des Sonderhefts zu humanoiden Robotern.

Die Beteiligten

Erstautor ist Yushi Wang, korrespondierender Autor Professor Mingguo Zhao vom Institut für Automatisierung der Tsinghua-Universität. Beteiligt waren ByteDance Seed und die China Agricultural University. Booster Robotics teilte mit, Wang sei Kapitän des RoboCup-Teams der Tsinghua, das mit Booster-Hardware 2025 und 2026 in Folge den RoboCup gewonnen habe. Eine Vorabfassung erschien im November 2025 auf arXiv (2511.03996).

Die Ergebnisse

Auf dem Humanoiden T1 von Booster verringerte der Regler laut den Autoren den Fehler bei der Schätzung der Ballposition gegenüber regelbasierten Verfahren um 46 Prozent, verkürzte die Zeit bis zum Schuss um bis zu 64 Prozent und erreichte aus vorderen Spielfeldpositionen eine Schusserfolgsquote von etwa 90 Prozent. Trainiert wurde ausschließlich in der Simulation, eingesetzt wurde ohne Nachtraining am realen Roboter. Validiert wurde nach Angaben des Teams im Freien und in echten RoboCup-Spielen.

So funktioniert der Ansatz

Die meisten Fußballroboter arbeiten mit einer Kette: Ein Bildmodul findet den Ball, ein Planer bestimmt den Laufweg, ein separater Regler bewegt die Beine. Fehler summieren sich, und ist der Ball verdeckt oder in Bewegung, reagiert der Roboter träge. Der Tsinghua-Regler lernt die gesamte Kette dagegen auf einmal per Reinforcement Learning mit dem PPO-Algorithmus in der Simulation.

Drei Ideen tragen das Verfahren. Erstens ahmt ein virtuelles Wahrnehmungssystem in der Simulation die Schwächen der echten Kamera nach, einschließlich Rauschen und verpasster Erkennungen, sodass die Strategie lernt, mit schlechten Daten umzugehen. Zweitens verdichtet ein Encoder-Decoder-Netz die letzten 50 Bilder zu einem 64-dimensionalen inneren Zustand, damit der Roboter die Ballposition auch dann weiter schätzt, wenn der Ball aus dem Blick gerät. Drittens belohnen adversariale Bewegungspriors menschenähnliche Bewegungen und halten den Gang natürlich. Das Team erweiterte diese Technik auf reale Bilddaten.

Der Hardwarepartner

Booster Robotics mit Sitz in Peking stellte die T1-Plattform. In seiner Mitteilung vom 20. August erklärte das Unternehmen, im Juli 2026 hätten 38 internationale Teams der RoboCup-Humanoidenliga, 68 Prozent der Teilnehmer, seine Plattformen genutzt und alle Goldmedaillen gewonnen. Bei den World Humanoid Robot Games im August 2026 hätten sich 56 Teams oder 92 Prozent dafür entschieden. Den neueren T2 beschreibt Booster mit 1,4 Metern Größe, 31 Freiheitsgraden, 10 Kilogramm Traglast mit beiden Armen und NVIDIA Thor mit 2.070 TFLOPS.

Wettbewerbsumfeld

Roboterfußball ist zum Prüfstand für die Beweglichkeit von Humanoiden geworden. Chinesische Hersteller wie Unitree, seit August 2026 am Shanghaier STAR Market notiert, und Booster konkurrieren um Forschungs- und Wettbewerbsflotten. Die Arbeit hebt sich ab, weil sie auf einem kommerziellen Humanoiden in voller Größe unter realistischen Sensorfehlern den Bogen von Kamerapixeln bis zur Beinbewegung schließt und in einem führenden Journal erschien.

Bedeutung für Europa

Das Problem reicht weit über den Fußball hinaus. Auf verrauschte, teils verdeckte Bildinformation zu reagieren und dabei das Gleichgewicht zu halten, ist in Lagerhallen, Werkshallen und Haushalten ebenso gefragt. Für europäische Entwickler zeigt die Arbeit ein praktisches Rezept: nicht die perfekte Simulation anstreben, sondern die Fehler der Sensoren realistisch nachbilden. Zugleich unterstreicht sie, wie stark chinesische Hersteller die Forschungsplattformen dominieren. Europäische Humanoiden-Projekte wie die von Neura Robotics stehen vor der Frage, ob sie ein eigenes Forschungsökosystem aufbauen oder auf chinesische Hardware in Universitätslaboren setzen.

Risiken und offene Fragen

Die Zahlen stammen von Autoren und Partner, verglichen wird mit regelbasierten Verfahren, nicht mit anderen gelernten Reglern. Fußball ist eine strukturierte Umgebung mit einem einzigen Objekttyp. Ob sich die Methode auf viele Objekte, Handmanipulation oder lange Aufgaben mit Sprachanweisungen übertragen lässt, ist offen. Die Marktanteile sind Angaben des Unternehmens.