監視：ヒューマノイドロボットがシミュレーションテストで96%の精度でテニスの返球を行う

視聴：ヒューマノイドロボット、シミュレーションテストで96%の精度でテニスの返球に成功

Atharva Gosavi 著、Interesting Engineering より

Galbot Robotics は3月16日、公式Xハンドルで、ヒューマノイドロボットが人間プレイヤーとリアルタイムでテニスのラリーを行う動画を公開しました。
テニスをするロボット

このデモンストレーションは、清華大学および北京大学の研究者と共同開発された同社のLATENTシステムを紹介するものです。

このシステムはUnitree G1ヒューマノイドロボットでテストされ、高速で動くボールに対応し、コート内を移動し、人間相手とのラリーを維持する能力を示しました。

「初めて、ヒューマノイドロボットが高ダイナミックで長時間のテニスのラリーを、ミリ秒単位の反応、正確なボール打撃、自然な全身運動で維持できるようになりました」とGalbotのX投稿には書かれています。

限られた動作データでロボットを訓練する

🎾あなたのヒューマノイドテニスプレイヤーが登場！🤖
LATENT（Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data）をご紹介 — アスレチックヒューマノイドテニスの世界初のリアルタイム全身プランニングおよび制御アルゴリズムです。
初めて、ヒューマノイドロボットが… pic.twitter.com/gCi38wxHVQ
— Galbot (@GalbotRobotics) 2026年3月16日
スポーツ向けロボットのトレーニングにおける主な課題の1つは、正確な人間の動作データの不足です。これはテニスでは特に顕著であり、プレイヤーは広範囲をカバーし、ボールは最高30m/sの速度に達し、ラケットとボールの接触はわずか数ミリ秒しか持続しません。

この問題に対処するため、研究者たちは完全な試合の記録を避けました。代わりに、フォアハンド、バックハンド、サイドステップなどの重要な動作の短い断片を収集することに焦点を当てました。

データは、標準的なテニスコートの17倍以上小さい、コンパクトな3×5メートルのコート内でモーションキャプチャシステムを使用してキャプチャされました。合計5人のプレイヤーが約5時間の動作データを提供しました。

基本的な動作から協調したゲームプレイへ

このデータセットを使用して、LATENTシステムはまずロボットに個々の動作を再現するように訓練します。

学習されたこれらのアクションはシーケンスに組み合わされ、ロボットがボールに到達し、ショットを実行し、指定されたコート上の位置に戻るなどの特定のタスクを実行できるようになりました。

実際のパフォーマンスを向上させるために、モデルはロボットとボールの質量、摩擦、空気力学などの主要な物理パラメータがランダムに変動するシミュレーション環境でトレーニングされました。

このアプローチは、シミュレーションされたトレーニングと実際の条件との間のギャップを縮小するのに役立ちました。

「私たちの重要な洞察は、不完全ではあるものの、そのような準現実的なデータでも、テニスのシナリオにおける人間の基本的なスキルに関する事前情報を提供してくれるということです」と彼らは述べました。

「さらなる修正と合成により、私たちは広範囲の条件で着信ボールを一貫して打ち、自然な動きのスタイルを維持しながら、ターゲットの場所に返球できるヒューマノイドポリシーを学習します」と彼らは続けました。

実際の検証

シミュレーションテストでは、システムはフォアハンドショットで最大96%の成功率を達成しました。実際のUnitree G1ロボットに展開された場合、人間プレイヤーとのラリーを維持し、一貫してボールを相手コートに返す能力を示しました。

研究者たちは、このアプローチはテニスを超えて、サッカー、バドミントン、その他のスポーツ関連のロボットスキルなど、完全な人間の動作データをキャプチャすることが困難な他の分野にも拡張できる可能性があると指摘しました。

「この研究は主にテニスの返球タスクに焦点を当てていますが、提案されたフレームワークは、完全で高品質な人間の動作データが入手できないより広範なタスクに一般化する可能性を秘めています」と彼らは結論付けました。

Tyler Durden
2026年3月17日（火）17:00