斯坦福大学抛出全新idea：让机器人学会「打篮球」！运球、急停、转身跳投，一步到位！

当人形机器人已能稳健行走、灵活跳跃，它们的下一站，或许是NBA赛场？

图中，斯坦福大学实验室的研究者正在教机器人如何“打篮球”。

不过，看似流畅的动作背后，藏着不少具身智能领域的挑战：

如何让智能体在长时间、连续、物理约束的任务中实现多技能的无缝衔接。

篮球不是单一动作的堆叠，运球需控节奏方向、合球要保平衡找衔接点、投篮得精准算轨迹时机，而最难的是动作间的 “过渡瞬间”—— 

重心切换、手部调整、出手节奏的把控。

人类靠经验完成，AI 过去靠强化学习几乎无法实现，这些 “模糊片段” 对机器而言，就像 NBA 季后赛关键球，成败只在几秒间……

核心内容

斯坦福大学的研究团队提出了一个名为 “Learning to Ball” 的框架，用一句话概括

——让机器人学会把多个独立的运动策略「串联」成一个完整的篮球动作。

论文提出的 “Policy Integration Framework”（策略集成框架）和 “Soft Routing Mechanism”（软路由机制），让虚拟角色可以像人类一样，在运球、集球、投篮等完全不同的技能之间自然切换，而不是机械地“切换脚本”。

▲图1｜在多阶段、长时程的任务中能够组合极其不同的运动技能，其中包括突破上篮、接球投篮以及抢进攻篮板并立即得分©️【深蓝具身智能】编译

• 研究将任务划分为三类：

直接执行（Direct Execution）：前后动作状态相近，可以直接衔接。

相互适应（Mutual Adaptation）：前后技能需互相调整状态才能过渡。

中间策略（Intermediate Policy）：两技能差异太大，需要额外的“桥梁动作”，比如“gather”（集球）阶段。

• 关键思想：

① 用前一个策略的终止状态生成中间策略的初始分布；

② 再用后一个策略的价值函数（Value Function）来塑造奖励，引导中间策略学会“通往下一个阶段的动作”。

③ 最后，通过一个高层路由器动态地决定何时切换策略，实现流畅自然的长时序篮球动作。

接下来，我们就进入论文的核心——方法部分，看看研究者是如何一步步让机器人学会“打篮球”的。

分步策略

把篮球拆成“多阶段任务”

研究首先把篮球动作拆解成多个阶段性技能（Subtasks）。

例如一次“运球后投篮”的完整动作，被划分为三个阶段：

Dribble（运球）：控制方向和节奏；

Gather（集球）：停下、抓球、调整身体姿态；

Shoot（投篮）：完成跳起与出手。

▲图2｜图中展示了机器人掌握的七个篮球基础技能（运球、集球、投篮、传球、接球、篮板、防守），以及它们之间的衔接方式：A类是直接衔接、B类需要相互适配、C类则必须通过“中间动作”来连接，比如“集球”就是“运球→投篮”的桥梁。绿框代表这种额外学习的中间策略，让机器人的动作像真人一样连贯©️【深蓝具身智能】编译

这三个阶段的难点在于——它们之间没有清晰的边界。

运球结束的瞬间，可能姿势各异；而投篮开始前的姿态又必须严格规范。要让机器人在这两者之间“顺滑过渡”，就必须让中间的“集球”动作具备一定的适应性。

因此，研究提出了一种三类过渡模型（Transition Types）：

• A类：直接衔接（如“防守→移动”）

• B类：相互适应（如“接球→投篮”，双方需调整）

• C类：引入中间策略（如“运球→投篮”，必须经过集球阶段）

▲图3｜三种过渡机制的对比：类型A可以直接切换；类型B要通过奖励函数和状态价值调整让策略互相兼容；而最难的类型C，需要单独训练一个“中间策略”——它利用上一个技能的终止状态作为起点，用下一个技能的价值函数来塑造奖励。这就是机器人能学会“从运球到投篮”自然衔接的关键©️【深蓝具身智能】编译

研究的重点，就是如何在C类过渡中训练出一个“会衔接”的中间策略，让整个长时序动作连续而自然。

用非结构化数据训练原始技能

传统强化学习方法往往依赖高质量、全身带球的动作捕捉数据，但这种数据昂贵又难收集。

本文研究的做法是“放宽条件”，让机器人从非结构化数据源中学习：

• 来自网络视频的动作片段（用TRAM提取身体姿态、ExAvatar提取手部姿态）；

• 来自公开mocap数据集（如LAFAN1、CMU Mocap）的全身运动；

• 自行采集的手部动作数据（用智能手套捕捉运球与投篮手势）。

这意味着，数据之间不必对应——

机器人可以单独学到“手怎么运球”、“身体怎么跑”、“手指怎么发力”，再在强化学习中自己拼合出整体动作。

模型训练

训练采用 PPO + 对抗式模仿学习（Adversarial Imitation Learning）：

• 通过判别器评估角色动作是否逼近人类；

• 用任务奖励引导机器人完成目标（如保持速度、保持球权、避免违规）；

• 在物理仿真环境中（IsaacGym）持续探索，最终学会稳定的控球与运球动作。

▲图4｜机器人不是靠精准的动作捕捉训练，而是从杂乱的来源中学会动作——网络视频、无手的全身数据、仅有手部的短片段，甚至普通跑步数据。模型把这些碎片拼成整体，通过模仿与强化学习结合，在物理仿真中一点点学会“像人那样打篮球”©️【深蓝具身智能】编译

简单来说，就是让机器人“看别人打球”，然后在模拟世界里一遍遍试，直到能流畅模仿。

中间策略的奖励塑形

最核心的一步来了

——如何训练出那个“集球（Gather）”策略，让机器人从运球自然地切换到投篮？

研究提出一种巧妙的双向引导训练法：

• 前向引导（Initial States）：用“运球”策略生成的状态作为“集球”策略的起点；

• 后向引导（Value Shaping）：用“投篮”策略的价值函数作为“集球”策略的奖励。

这意味着，“集球”策略会被奖励去做那些能提升投篮成功率的姿态，而不是盲目地模仿参考动作。

最终的奖励函数可理解为：“如果角色的姿态能让后续投篮成功的几率变高，就给高分。”

▲图5｜这张图展示了AI在不同阶段与篮球的交互过程。从左到右依次是：运球、集球、投篮。可以看到，AI角色的手部动作已不再僵硬，而是能灵活地控制、抓握、发力©️【深蓝具身智能】编译

与此同时，投篮策略也在同步微调——它会逐渐适应由“集球”阶段生成的输入状态，从而实现真正的连贯控制。

这种双向适配（Mutual Adaptation）让不同阶段的策略可以共同进化，像两名熟练的队友那样配合默契。

谁在控球、谁该出手

当每个阶段的策略都学会了之后，还需要一个“教练”来调度它们。

研究设计了一个 高层软路由器（High-Level Soft Router），它的作用就是在每一帧动态决定：“现在该运球？该集球？还是该投篮？”

与传统的硬切换不同，软路由器并不会一次只启用一个策略，而是根据当前状态、目标命令（如玩家输入的“shoot”）、以及各策略的输出动作，进行加权融合。

▲图6｜这张图展示了论文中的高层软路由机制。它像一位“虚拟教练”，实时决定角色下一步要执行哪种动作。路由器会综合用户指令、当前状态和目标向量，为各个子策略分配权重，并将它们的输出动作线性融合©️【深蓝具身智能】编译

这种“软切换”带来两个好处：

• 动作自然：避免因突变导致姿态跳跃或失衡；

• 响应灵活：能随时根据用户指令平滑过渡，比如“边跑边投”。

训练时，研究者还通过一个特殊的奖励机制鼓励“主导性”——

每次只有一个子策略占主导（权重最大），从而在自然过渡与清晰分工之间取得平衡。

最终，这个软路由系统让机器人在真实物理模拟中完成了令人惊艳的表演：它可以在任意方向运球、转身、集球、起跳、投篮，投篮命中率高达 91.8%，且能完成双人传球、对抗防守等多智能体协作。

实验结果

在大量物理仿真实验中，这一框架的表现堪称惊艳。研究团队让机器人在IsaacGym环境中学习并执行一系列完整的篮球动作序列，包括“运球—急停—集球—投篮”、“接球—转身—出手”、“抢篮板—补篮”等长时序操作。

▲图7｜这张图展示了用于统计投篮命中率的测试环境。研究者在虚拟篮球场上设置了多个投篮位置和角度，AI角色会从不同方向、不同速度发起进攻，系统自动记录每次出手的成功率。正是在这样的高标准测试下，AI依然保持了超过 91% 的命中率©️【深蓝具身智能】编译

实验表明，经过训练的智能体能够在完全无参考球轨迹的条件下，依然实现流畅的动作衔接和高质量控制。

尤其是在最具挑战的“运球后投篮”任务中，模型在不同速度、角度、甚至背对篮筐的状态下，都能完成平滑过渡并保持平衡，投篮命中率高达 91.8%，与仅在固定状态训练的投篮策略（93.0%）几乎持平。

▲图8｜这张图展示了一个由四个角色组成的实时 2v2 篮球比赛，AI负责处理运动控制和动作衔接，让角色能像真实球员一样运球、传球、转身、防守、出手©️【深蓝具身智能】编译

与此同时，机器人的接球成功率达98.3% ，展现出对复杂状态切换的强大稳定性。

相比之下，几种对比方法——

直接拼接策略（Direct Execution）、顺序训练（Sequential Ch机器人ning）以及无适配策略（NoAdapt）

在动态状态下均出现卡顿或断裂，成功率不足10%。

▲图9｜这张柱状图展示了不同方法在各种运球速度下的接球成功率。传统的直接切换策略（Direct Execution）几乎完全失败，因为各子策略之间状态不兼容；未进行适配的 NoAdapt 方法虽然集球动作稳定（红柱高），但投篮阶段失效（蓝柱骤降）；顺序训练（Sequential Chaining）略有改善，却仍无法在高速运球中保持稳定衔接。而论文提出的策略集成框架在所有速度下都保持接球成功率接近 100%，展现出极高的动作连贯性与鲁棒性©️【深蓝具身智能】编译

而引入高层软路由后，机器人在多阶段动作切换时几乎消除了迟滞问题，整体命中率提升超过30个百分点。

视觉效果上，机器人的动作自然衔接——

能在高速运球中急停、抓球、转身、起跳、出手，全程平滑连贯。

进一步的多智能体实验中，多个机器人球员可完成传球、接球、防守等团队配合，甚至在2v2比赛中展现出策略性的攻防节奏。

▲图10｜这张图展示了两个AI球员之间的协同动作。一个负责运球传球（passing-off-the-dribble），另一个完成接球投篮（shooting-off-the-catching）。两者的配合并非脚本预设，而是通过论文提出的策略适配与组合框架自动学得©️【深蓝具身智能】编译

总体而言，这一系统不仅在量化指标上取得显著提升，更重要的是，它让强化学习的角色控制摆脱了“短命动作”的桎梏，真正实现了长时序、多阶段、自然衔接的人体动作生成。

总结

如果说强化学习过去只会教AI“走路”“跑步”，那么这篇论文让它第一次真正学会了“打篮球”。

在斯坦福的虚拟球场上，AI 不再是呆板的代码模型，而是能像球员一样读节奏、找时机、判断出手点。

它可以在高速突破中急停、集球、转身、后仰、投篮，命中率高达 91.8%；还能和队友完成流畅的传切配合，甚至懂得在篮下卡位、补篮、起跳得分。

要不是背景是一片数字化的虚拟球场，你可能真会误以为自己在看一场 NBA 慢动作回放。

这或许意味着，未来的篮球比赛不一定只发生在球馆里——它可能出现在虚拟现实、游戏世界，甚至机器人竞技场。

编辑｜阿豹

审编｜具身君

Ref

论文标题：Learning to Ball: Composing Policies for Long-Horizon Basketball Moves

论文作者：Pei Xu, Zhen Wu, Ruocheng Wang, Vishnu Sarukkai, Kayvon Fatahalian, Ioannis Karamouzas, Victor Zordan, C. Karen Liu

论文链接：https://arxiv.org/pdf/2509.22442

工作投稿｜商务合作｜转载

：SL13126828869（微信号）

【具身宝典】｜｜｜｜

【技术深度】｜｜｜｜｜｜｜

【先锋观点】｜｜｜

【非开源代码复现】｜｜

欢迎关注【深蓝具身智能】👇

【深蓝具身智能】的内容均由作者团队倾注个人心血制作而成，希望各位遵守原创规则珍惜作者们的劳动成果。

投稿｜商务合作｜转载：SL13126828869（微信）

点击❤收藏并推荐本文