人形机器人「网球运动员」来了！不靠预编程，银河通用×清华破解长程打网球难题

LATENT团队 投稿 量子位 | 公众号 QbitAI 在所有运动场景中， 网球 几乎是人形机器人最难的一道考题： 高速来球逼迫瞬时判断，全身协同决定回球质量，满场奔跑则持续考验爆发力与控制力。 那么，当机器人真正站上球场，它能否像人类运动员一样完成判断、移动与连续回合击球？ 画面中，机器人迅速移动脚步调整站位，上下半身协同挥拍击球，并将球精准回击到指定位置。面对各种来球，它能够持续调整身体姿态与击 球时机，与不同水平的网球对手完成多回合连续对拉。 在网球这样的高动态、高对抗环境中，机器人面对的是时速超过几十公里的来球、变幻莫测的落点轨迹，以及对手不断变化的击球节奏。 更重要的是，这一能力并非依赖预编程动作实现，而是机器人通过深度强化学习自主习得—— 全球首次 在人形机器人上实现高动态网球对 打， 机器人正在实现从"机械复刻动作"向"智能决策响应"的底层跨越 。 研究团队提出了一种新的机器人运动学习方法，使人形机器人能够从不完美的人类动作数据中学习复杂的运动技能，并在真实世界中完成高动 态、高敏捷的网球击球与对打任务。 这背后，是来自银河通用与清华大学联合提出的新研究： LATENT （Learning A ...