中國人形機器人展示即時網球對打能力，標誌著具身人工智能邁出新步伐。這套系統由 Galbot 與清華大學合作開發，位於北京海淀區，能追蹤來球、預測軌跡、調整位置，並以自主學習及全身協調回擊。團隊表示，正手回球成功率達 90.9%，突顯機器人在動態對抗環境下的進展，這是人形機器人領域最具挑戰的基準之一，據本地媒體報導。
高效技能獲取框架
這款網球機器人採用名為 LATENT 的訓練框架，由清華大學團隊與中國人工智能機器人公司 Galbot 共同開發，讓人形機器人從不完美的人類動作數據中習得複雜運動技能。系統將網球動作分解為基本運動原語，例如正手及反手揮拍、側向滑步及交叉步，讓機器人以結構化、可擴展方式學習。LATENT 不依賴高精度動作捕捉或詳細運動學建模，而是使用來自業餘球手的「準真實」輸入。
團隊以簡易捕捉設備收集約 5 小時動作數據，產生帶噪聲但有意義的人類運動表示，將其映射至潛在動作空間，讓機器人解讀、精煉並重組為連貫動作。 框架整合強化學習與大規模模擬，讓系統適應不同球路及比賽條件，同時保留流暢的人類般動作。訓練後的政策部署於 Unitree G1 人形機器人上，展現可靠擊球及控制回球表現。團隊指，透過減少對高品質數據集的依賴，並從不完美輸入學習，LATENT 解決機器人領域關鍵瓶頸：在非結構化環境中複製人類快速、動態且精準行為。
團隊強調，人形機器人能追蹤來球、預測軌跡、調整位置，並以自主學習、全身協調及即時決策回擊。它能與不同年齡及水平的球手維持多球對打，展現動態比賽的適應力。正手回球成功率達 90.9%，在快速對抗及非結構環境中運作出色，據 China Daily 報導。在早期評估中，研究人員於真實比賽測試 LATENT 系統，人形機器人於前場及後場對抗人類球手。經 10,000 次試驗，系統在正手及反手揮拍表現優異，超越先前方法在準確度、一致性及動作自然度。
團隊稱，峰值表現下成功率達 96.5%，穩定回球至預定區域。雖未達職業球手速度及精度，但系統能維持長時間對打，並調整不同風格及條件，彰顯朝向更強大真實運動機器人的穩步進展。
