壹号娱乐 - NG大舞台,有梦你就来

全球首个!银河通用全自主人形机器人打网球引热议

作者:小编    发布时间:2026-03-23 14:50:48    浏览:次

[返回]

  北京2026年3月23日——近日,一段银河通用机器人与真人选手的网球对打视频在网络上迅速走红,引发了全球网友的广泛关注。这段视频展示了全球首个面向网球对抗的人形机器人——银河通用的最新成果,背后是其发布的全身实时智能规控算法LATENT。这项技术的推出,标志着机器人在长程、高动态对抗场景中的实时决策与复杂运动难题上取得了前所未有的突破。

  视频一经发布,央视新闻第一时间进行了报道,并对其点赞。而在海外社交平台上,视频同样引发了热议,特斯拉创始人马斯克对此表示了极大的兴趣并给予了关注。AI知名研究员Andrej Karpathy也对此表示惊叹,甚至一度怀疑该视频是否为AI生成的。可事实是,这场机器人与人类的真实对抗,展现了机器人在网球场上如人类运动员般的灵活性和智能决策能力。

  在所有运动场景中,网球被认为是人形机器人面临的最艰难考验。高速来球要求机器人瞬间判断,身体的全身协同决定回球的质量,而满场奔跑则考验着它的爆发力与控制力。画面中,机器人快速移动脚步,调整站位,挥拍击球,精准回击到指定位置。面对不同水平的对手,它能够持续调整身体姿态与击球时机,进行多回合的对拉。

  这一切的背后,正是银河通用与清华大学联合提出的新研究——LATENT(Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data)。研究团队创新性地提出了一种新的机器人运动学习方法,使得人形机器人能够从不完美的人类动作数据中学习复杂运动技能,并在真实环境中完成高动态、高敏捷的网球击球与对打任务。

  LATENT的关键在于,它并没有沿用传统的高质量遥操数据进行模仿学习的路径,而是从现实世界中更易获取的数据出发,重新设计了运动能力的学习方式。通过收集前后移动、正反手挥拍、横向步伐等碎片化动作,机器人能够自主学习运动技能。这些数据在LATENT中被构建为“运动小脑”,从而解锁了机器人在复杂运动场景下的全身运动能力。

  这种创新的学习方法,解决了机器人运动发展的长期限制问题:如何利用可获得的数据学习复杂且不可简化的运动能力。研究团队在隐空间中构建了一个“运动技能空间”,将零散的人类动作组织为可组合、可泛化的技能结构。这样一来,机器人不再只是简单地复刻已有动作,而是获得了既保留自然运动风格又允许细节优化的技能表示。

  在这个技能空间中,机器人可以针对不同的来球,自主规划步伐、挥拍节奏和身体姿态,实现稳定击球。通过实时感知,机器人还能够微调动作,尤其是在击球末端修正挥拍轨迹,从而精准控制回球的方向与落点。

  在网球这种高动态对抗中,常见的问题是如果完全依赖强化学习进行探索,机器人可能会发展出“投机策略”,即通过非自然动作勉强完成击球。为了解决这一问题,研究团队提出了隐空间动作屏障(Latent Action Barrier, LAB),为策略学习提供了一种约束而不僵化的探索机制。这样一来,机器人在训练过程中既能适应复杂环境,又不会牺牲动作的自然性与稳定性。

  经过大量实验验证,LATENT在多个指标上均展现了优异的表现。在真实世界的测试中,机器人完成了连续20局的网球对拉比赛,正手击球的成功率超过90%,反手击球接近80%。研究者发现,域随机化的加入和训练中的观察噪声引入,对机器人的性能表现起到了关键作用。

  银河通用团队还展示了两个机器人之间的连续对练场景,令人联想到十年前通过自我博弈不断提升棋力的AlphaGo。虽然两者的技术路径不同,但机器人之间的互动对练为未来机器人的自主学习与持续能力进化带来了更多可能性。

  当机器人能够像人类一样移动、判断并完成复杂运动任务时,人形机器人的应用边界也将进一步扩展。从运动娱乐到家庭服务,再到各种复杂的人机协作场景,具身智能正在逐渐走出实验室,进入真实世界。值得关注的是,这一突破依托于银河通用已构建的全身全手端到端具身大模型“银河星脑(AstraBrain)”。

  人形机器人实现与人类网球对打,正是银河通用在人形机器人领域探索的关键一步。这一突破不仅为复杂场景中的落地应用展现了巨大的潜力与价值,也验证了人形机器人在复杂动态环境中实现实时感知、决策与全身协同控制的能力。这种能力是未来机器人在工业、服务等领域成功应用的基础。

  网球不仅是应用的终点,更是一个高度浓缩的动态能力测试场。机器人在这一场景中的表现,为未来更广泛的应用提供了坚实的能力验证。银河通用机器人正在引领行业,开启人形机器人运动全自主、无编排,走向场景应用的新时代。返回搜狐,查看更多


本文由:壹号娱乐 - NG大舞台,有梦你就来提供

搜索

 谷歌地图 百度地图