MyoChallenge 2025: A New Benchmark for Human Athletic Intelligence¶

会议: NeurIPS 2025
arXiv: 2605.15650
OpenReview: https://openreview.net/forum?id=y6tEsjJnyb
代码: https://github.com/MyoHub/myochallenge_2025eval
领域: 其他
关键词: 肌肉骨骼控制, 具身智能, 强化学习, 运动基准, 仿生动力学

一句话总结¶

NeurIPS 2025 MyoChallenge 提出了首个面向人类运动竞技智能的超高维高精度肌肉骨骼基准，通过乒乓球击球与足球点球双赛道全面评测了结合物理先验、肌肉协同与模仿学习的前沿运动控制策略。

研究背景与动机¶

人类在体育竞技中展现出的敏捷性、毫秒级快速决策与全身协调运动，代表了生物运动智能的最高水准。然而在现阶段的具身人工智能与机器人控制领域，复现这种无缝高效的动作控制依然面临根本性障碍。目前绝大多数强化学习与机器人运动控制框架高度依赖刚体动力学与简化的力矩执行器模型，忽略了生物肌肉骨骼系统特有的非线性力-长-速关系、神经信号传输延迟以及高度耦合的多关节肌肉冗余特性。与此同时，在运动生理学与神经康复领域，由于活体肌肉协调信号难以通过无创物理设备全面实时测量，构建高精度的前向仿真平台成为理解复杂运动生物机理与设计仿生假肢的核心途径。

此前计算生物力学领域的基准大多局限于步态行走、局部肢体跟踪或基于动捕数据的轨迹重放，缺乏面向高动态、强接触且环境高度随机的全身运动基准。一方面，高自由度肌肉骨骼系统面临维度灾难，全身肌肉执行器数量多达数百个，在无约束的冗余空间中单纯依靠端到端无模型强化学习极难探索到有效步态与击打动作；另一方面，传统的生物力学仿真器（如 OpenSim）计算开销过大，无法支持现代深度强化学习数以千万计的高并发样本交互需求。

为了打破高维生理仿真与现代强化学习之间的壁垒，NeurIPS 2025 设立了第四届 MyoChallenge 官方竞赛。竞赛依托基于 MuJoCo 物理引擎构建的开源 MyoSuite 仿真框架，将肌肉与关节自由度复杂度提升至往届近三倍。核心 idea：通过构建乒乓球击球与足球点球两个具有强接触、高动态响应的运动竞技基准，评测物理运动规划、微分平坦性降维、神经肌肉协同以及在线行为克隆等前沿算法在控制超高维生理数字孪生体时的泛化能力与能量效率。

方法详解¶

整体框架¶

MyoChallenge 2025 设立了两个互补的独立挑战赛道：聚焦上肢与躯干协调控制的“乒乓球多拍击球（Table Tennis Track）”，以及聚焦全身动态平衡与下肢弹道击球的“足球点球（Soccer Penalty Track）”。两项任务均要求智能体在高自由度、高随机性的物理环境中完成实时感知-决策-执行循环。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    subgraph S1["任务环境与生理模型"]
        A["高维生理输入感知<br/>乒乓球: 416维 / 足球: 418维"]
        B["高保真肌肉骨骼模型<br/>MyoArm + MyoTorso + MyoLeg"]
    end
    subgraph S2["赛道核心控制解法"]
        C["物理先验轨迹规划与平坦性映射<br/>Physics Planner + K-MAC (ActingAI)"]
        D["皮层解耦神经协同网络<br/>Synergistic Subnetworks (BioSyn)"]
        E["跨空间模仿学习与在线行为克隆<br/>KINESIS Teacher + OBC Student (Servette)"]
    end
    subgraph S3["执行与综合评测"]
        F["高维肌肉兴奋度动作执行<br/>乒乓球: 275维 / 足球: 290维"]
        G["两阶段排位评估<br/>任务成功率优先 + 肌肉激活能耗二次重排"]
    end
    A --> C
    A --> D
    A --> E
    B --> F
    C --> F
    D --> F
    E --> F
    F --> G

关键设计¶

1. 高保真生理肌肉骨骼仿真与多尺度任务建模：突破刚体抽象极限 比赛全面依托嵌入 MuJoCo 物理引擎的 MyoSuite 框架。该仿真器将肌肉建模为附着在肌腱上的生理执行器，并内生支持复杂的硬接触动力学计算。在乒乓球赛道中，系统集成了具备 27 个自由度、63 条肌肉的 MyoArm 模型与具备 18 个自由度、210 条肌肉的 MyoTorso 躯干模型，智能体需在未抓握球拍的初始状态下稳定抓拍并挥拍回击落点及旋转随机的来球；在足球点球赛道中，系统组合了 210 条肌肉的躯干与 28 个自由度、80 条肌肉的双下肢 MyoLeg 模型（共计 290 个肌肉执行器），智能体必须在 290 维连续控制空间中兼顾双腿交替前移的动态平衡维持与触球瞬间的弹道式发力，同时突破具备静态、随机走位和主动扑救追踪三种行为的守门员防守。

2. 物理轨迹规划与条件微分平坦性映射（ActingAI 解法）：化解超高维动作探索死锁 针对乒乓球赛道中 275 维动作空间的巨大探索盲区，冠军方案 ActingAI 提出 Diff-Muscle 层次化强化学习框架。团队利用肌肉骨骼系统在关节构型下的条件微分平坦性理论，证明了整个系统的状态与控制输入可以在代数上由一组平坦输出（关节角度 $z$）及其有限阶导数唯一确定。基于这一严格数学性质，高层物理规划器根据感知到的来球状态实时解算击球点拍面的目标位置、朝向和线速度；底层 PPO 策略仅在高度压缩的 32 维关节空间（$\mathbb{R}^{32}$）中生成目标关节角轨迹，进而通过基于运动学先验的肌肉动作控制器（K-MAC）解析映射到 273 维生理肌肉激活空间。这一设计在完全保留系统动态特性的同时将策略探索空间压缩了近一个数量级，有效绕开了冗余肌肉零空间中的低效试错。

3. 生物神经肌肉协同与高斯结构化探索（BioSyn 解法）：模拟运动皮层模块化解耦 亚军方案 BioSyn 从人类大脑运动皮层的空间分区与神经协同假说中汲取灵感，打破单一端到端控制器的黑盒模式，构建了匹配解剖结构的模块化协同神经网络架构。网络划分为分别专职控制手部、手臂、躯干及骨盆的四个协同子网络，各子网络输出独立的协同调制信号。为了提高高维肌肉动作空间的探索效率，BioSyn 将各身体部位的协同权重矩阵融入探索噪声中，构建了结构化的多变量高斯噪声分布： $$\pi(\boldsymbol{a}|\boldsymbol{s})\sim\mathcal{N}\bigl(\mathrm{W}_{a}x_{a}\oplus\mathrm{W}_{h}x_{h}\oplus\mathrm{W}_{t}x_{t}\oplus\mathrm{W}_{p}x_{p},\;\Sigma_{syn}+\Sigma_{o}\bigr)$$ $$\Sigma_{syn}=\mathrm{diag}\bigl(\mathrm{W}_{a}\Sigma_{a}{\mathrm{W}_{a}}^{\top},\;\mathrm{W}_{h}\Sigma_{h}{\mathrm{W}_{h}}^{\top},\;\mathrm{W}_{t}\Sigma_{t}{\mathrm{W}_{t}}^{\top},\;\mathrm{W}_{p}\Sigma_{p}{\mathrm{W}_{p}}^{\top}\bigr)$$ 其中 $\mathrm{W}_h, \mathrm{W}_a, \mathrm{W}_t, \mathrm{W}_p$ 分别为手部、手臂、躯干和骨盆的协同权重矩阵。该结构化探索机制促使功能相近的肌肉群形成强相关协同收缩模式，显著抑制了无意义的拮抗肌共激活，大幅降低了能量消耗。此外，团队配合弱点感知课程学习，动态过采样命中率较低的薄弱击球区域，稳步提升了复杂落点下的策略覆盖面。

4. 预训练步态先验迁移与在线行为克隆蒸馏（Servette MyoClub 解法）：解决全身弹道击球从零学习崩溃 在 290 维全身肌肉动作空间的足球赛道中，从零开始直接联合学习平衡、走位与强力踢球无一例外全部陷入局部极小值崩溃。冠军 Servette MyoClub 采用“教师策略构建-环境跨空间迁移-在线行为克隆”两阶段路线。教师策略基于在人类动捕数据集（KIT-Locomotion）上经 1.8 小时步态预训练的 KINESIS 专家模型微调而来，首先将参考姿态跟踪目标修改为骨盆向足球位置移动的目标寻迹策略，再引入带有 $\pm 45^\circ$ 射门夹角锥体约束的前向球速门控奖励： $$r_{\text{kick}}=\begin{cases}v_{x}&\text{if }v_{x}\geq\epsilon_{v}\;\text{ and }\;\dfrac{v_{x}}{|v_{y}|+\epsilon_{r}}\geq 1,\\[6.0pt] 0&\text{otherwise}\end{cases}$$ 由于 KINESIS 状态空间（453 维）与 MyoChallenge 评测观测空间（418 维）不一致，团队通过在线 DAgger 范式（On-policy Behavior Cloning, OBC）进行学生策略蒸馏。在同一物理状态下同时派发双空间观测，学生策略自主产生试机 rollout 并对齐教师肌肉激活，最小化均方误差。该方法彻底解决了离线模仿学习中累积分布漂移的痛点，最终配合带有保守裁剪率 $\varepsilon$ 的 PPO 进行低能耗微调，实现了从稳定步态行走到爆发性射门的平滑迁移。

损失函数 / 训练策略¶

评测排名采用分层机制：首要指标为任务成功率（Success Rate）；在第二阶段（Playoff Phase）中，若两支队伍成功率差距在 10% 以内，则依据肌肉平均激活二次方能耗（Effort）进行二次重排： $$\text{Effort}=\frac{1}{n_a}\sum_{i=1}^{n_a} a_i^2$$ 其中 $a_i$ 为每个执行器的肌肉兴奋度水平，能耗越低排名越靠前。

实验关键数据¶

主实验¶

比赛历时 4 个月，共有来自全球的 69 支队伍参与、累计完成 562 次有效提交。第一阶段采用无随机扰动的静态标准环境；第二阶段（Playoff Phase）全面引入球拍质量波动、摩擦系数变化、初始位姿扰动以及走位/扑救守门员，最终得分取 100 次未知随机种子的平均测试结果。

赛道 / 阶段	排名与队伍	核心方法特征	任务成功率 (%)	肌肉激活能耗 (Effort)
乒乓球赛道 (Phase 1)	第1名: ActingAI	物理规划器 + 平坦性 K-MAC 映射	100.0%	0.3277
乒乓球赛道 (Phase 1)	第2名: CIAO Group	端到端强化学习	96.0%	0.7428
乒乓球赛道 (Phase 1)	第3名: Servette MyoClub	启发式协同控制	94.0%	0.8229
乒乓球赛道 (Phase 2)	第1名: ActingAI	Diff-Muscle 平坦性层次强化学习	64.0%	0.1306
乒乓球赛道 (Phase 2)	第2名: BioSyn	结构化肌肉协同子网 + 弱点感知课程	60.0%	0.1297
乒乓球赛道 (Phase 2)	第3名: LNSGroup	物理先验 + CrossQ + 高斯过程分类器	61.0%	0.8473
乒乓球赛道 (Phase 1)	官方基线 Baseline	启发式肌肉分组降维 + 纯 PPO	3.0%	-
足球点球赛道 (Phase 1)	第1名: Servette MyoClub	KINESIS 预训练步态迁移 + 目标寻迹	100.0%	0.9265
足球点球赛道 (Phase 1)	第2名: Ligament Legends	从零探索强化学习	0.0%	0.2393
足球点球赛道 (Phase 2)	第1名: Servette MyoClub	KINESIS 教师 + 在线行为克隆学生	32.0%	1.3174

消融实验¶

足球赛道冠军 Servette MyoClub 针对策略适应流水线各阶段的进球转化率与动作保真度进行了系统的渐进式消融评估：

流水线阶段 / 策略配置	进球转化率 (%)	肌肉激活 MSE 误差	说明与核心表现
纯从零训练 (From-scratch RL)	0.0%	-	无法在 290 维肌肉空间中维持平衡，初始化即跌倒
KINESIS 零样本迁移 (Zero-shot)	0.0%	-	能够自主走向足球并发生接触，但不具备射门力量
KINESIS 教师微调 (Teacher Policy)	25.0%	-	具备走向足球并向球门发力射门能力，但受限于原始观测
离线行为克隆预训练 (Offline BC)	12.0%	0.082	存在严重的状态分布偏移累积误差，射门动作易失稳变形
在线行为克隆 (On-policy BC / OBC)	34.0%	0.019	消除协变量偏移，在随机扰动下超越教师策略 9 个百分点
OBC + PPO 微调 (100k steps)	34.0%	-	进球率保持 34% 的同时，大幅削减了肌肉异常共激活能耗

关键发现¶

物理先验与平坦性降维是解决高维肌肉控制的关键：乒乓球赛道中纯端到端基线仅取得 3% 的成功率，而 ActingAI 依托微分平坦性在 32 维关节空间规划并解析映射，以仅 0.1306 的极低能耗取得 64% 成功率夺冠；LNSGroup 采用无约束的高维 CrossQ 虽维持了 61% 的成功率，但其能耗高达 0.8473（高出 6.5 倍），证实了动作空间约束对能量效率的决定性作用。
动态复杂运动必须依赖预训练运动先验（Prior）：在 290 维的全身足球赛道中，由于行走、站立平衡与瞬间发力对同一组下肢肌肉存在相互冲突的生理需求，所有尝试从零开始训练的参赛队伍无一例外进球率为 0%；唯有借助大规模动捕数据预训练（KINESIS）的 Servette 团队成功攻克了该任务。
在线行为克隆大幅优于离线模仿：在跨观测空间策略蒸馏中，在线行为克隆使进球率从教师的 25% 跃升至 34%，且肌肉激活均方误差收敛至 0.019，显示出环境交互反馈对消除动作误差积累的决定性价值。

亮点与洞察¶

微分平坦性解析映射跨越动力学鸿沟：ActingAI 将非线性肌肉骨骼控制问题通过平坦输出代数重构，使得策略仅需学习低维关节几何轨迹，由 K-MAC 前向运动学控制器完成确定性肌肉激励分配，极为优雅地规避了肌肉冗余零空间的无效采样。
模块化神经协同探索有效抑制拮抗共激活：BioSyn 将运动皮层分区分工机制具象化为手部、手臂与躯干等独立子网络，并在协方差矩阵中融入肌肉协同权重，成功从算法层面再现了人类运动员用最少肌群能耗完成击球的技术特质。
两阶段教师-学生架构提供复杂控制求解范本：Servette 团队将任务逐级解构为“通用步态 → 目标跟踪 → 爆发射门 → 观测蒸馏 → 能耗微调”，为后续四足、双足乃至仿生机器人超高维动作技能迁移提供了标准工程方法论。

局限与展望¶

CPU 物理仿真计算开销形成严峻算力瓶颈：全量高精度肌肉动力学极其沉重，足球赛道冠军单次策略训练耗时达 14 天，乒乓球冠军耗时 51 小时。全面转向 MuJoCo-Warp 等支持原生 GPU 并行加速的仿真环境是未来生态演进的必然趋势。
击球动作与人类运动员的高级动力学链仍有差距：现有足球踢球强化学习奖励主要依据足球前向速度，尚未对骨盆-大腿-小腿-脚踝的动量级联传递以及肌腱弹性伸缩-缩短循环（Stretch-Shortening Cycle, SSC）进行生理对齐，导致动作表现缺乏人类顶尖射手般的柔韧性与爆发力。
视觉-动作全闭环感知缺失：两赛道均直接向智能体喂入几何与肌肉层面的低级数值向量，缺乏高动态视觉像素输入的端到端感知决策挑战。

评分¶

新颖性: ⭐⭐⭐⭐⭐ 首次建立面向高保真全身体育竞技智能的肌肉骨骼基准，任务复杂度与自由度实现代际跨越。
实验充分度: ⭐⭐⭐⭐⭐ 汇聚全球 69 支队伍，系统比较了微分平坦性、肌肉协同、CrossQ、教师蒸馏等多路线在两阶段扰动下的综合表现。
写作质量: ⭐⭐⭐⭐⭐ 赛题设定清晰严谨，深入解构了各赛道冠亚军的技术创新并坦诚揭示了仿真效率瓶颈。
价值: ⭐⭐⭐⭐⭐ 为计算机图形学、仿生具身智能、神经肌肉康复与体育科学搭建了极具可复现性的跨学科交叉测试平台。