시청: 휴머노이드 로봇, 시뮬레이션 테스트에서 96% 정확도로 테니스 공 받아치기

시청: 휴머노이드 로봇, 시뮬레이션 테스트에서 96% 정확도로 테니스 샷 반환

Atharva Gosavi 작성, Interesting Engineering 제공

Galbot Robotics는 3월 16일 공식 X 핸들에 인간 플레이어와 실시간으로 테니스 샷을 주고받는 휴머노이드 로봇을 보여주는 영상을 공개했습니다.
테니스 치는 로봇

이 시연은 칭화대학교 및 베이징대학교 연구원들과 협력하여 개발된 회사의 LATENT 시스템을 선보입니다.

이 시스템은 Unitree G1 휴머노이드 로봇에서 테스트되었으며, 빠르게 움직이는 공에 반응하고, 코트를 가로질러 이동하며, 인간 상대방과 랠리를 유지하는 능력을 보여주었습니다.

Galbot의 X 게시물에는 "최초로 휴머노이드 로봇이 밀리초 수준의 반응, 정확한 공 타격, 자연스러운 전신 움직임을 통해 높은 역동성과 긴 호라이즌의 테니스 랠리를 유지할 수 있게 되었습니다."라고 적혀 있습니다.

제한된 움직임 데이터로 로봇 훈련하기

🎾당신의 휴머노이드 테니스 선수가 왔습니다!🤖
LATENT(불완전한 인간 움직임 데이터에서 운동 휴머노이드 테니스 기술 학습) 소개 — 운동 휴머노이드 테니스를 위한 세계 최초의 실시간 전신 계획 및 제어 알고리즘입니다.
최초로 휴머노이드 로봇이… pic.twitter.com/gCi38wxHVQ
— Galbot (@GalbotRobotics) 2026년 3월 16일
스포츠를 위해 로봇을 훈련하는 데 있어 주요 과제 중 하나는 정확한 인간 움직임 데이터의 부족입니다. 이는 플레이어가 넓은 영역을 커버하고, 공이 최대 30m/s의 속도에 도달할 수 있으며, 라켓-공 접촉이 불과 몇 밀리초 동안 지속되는 테니스에서 특히 그렇습니다.

이를 해결하기 위해 연구원들은 전체 경기를 녹화하는 것을 피했습니다. 대신, 포핸드, 백핸드, 사이드 스텝과 같은 필수 움직임의 짧은 조각을 수집하는 데 집중했습니다.

데이터는 표준 테니스 코트보다 17배 이상 작은 3x5미터의 컴팩트 코트 내에서 모션 추적 시스템을 사용하여 캡처되었습니다. 총 5명의 플레이어가 약 5시간 분량의 녹화된 움직임 데이터에 기여했습니다.

기본 동작에서 조정된 게임 플레이로

이 데이터셋을 사용하여 LATENT 시스템은 먼저 로봇이 개별 동작을 복제하도록 훈련합니다.

이 학습된 동작은 로봇이 공에 도달하고, 샷을 실행하고, 코트의 지정된 위치로 돌아가는 등 특정 작업을 수행할 수 있도록 시퀀스로 결합되었습니다.

실제 성능을 개선하기 위해 로봇과 공의 질량, 마찰, 공기 역학과 같은 주요 물리적 매개변수가 무작위로 변경된 시뮬레이션 환경에서 모델이 훈련되었습니다.

이 접근 방식은 시뮬레이션 훈련과 실제 조건 간의 격차를 줄이는 데 도움이 되었습니다.

그들은 "우리의 핵심 통찰력은 불완전하더라도 이러한 준현실적인 데이터가 테니스 시나리오에서 인간의 기본 기술에 대한 사전 정보를 제공한다는 것입니다."라고 말했습니다.

그들은 "추가적인 수정 및 구성을 통해 우리는 광범위한 조건에서 들어오는 공을 일관되게 타격하고 자연스러운 움직임 스타일을 유지하면서 대상 위치로 되돌릴 수 있는 휴머노이드 정책을 학습합니다."라고 덧붙였습니다.

실제 검증

시뮬레이션 테스트에서 이 시스템은 포핸드 샷에서 최대 96%의 성공률을 달성했습니다. 실제 Unitree G1 로봇에 배포되었을 때, 인간 플레이어와 랠리를 유지하고 공을 상대방 코트로 일관되게 되돌리는 능력을 보여주었습니다.

연구원들은 이 접근 방식이 테니스를 넘어 축구, 배드민턴 및 기타 스포츠 관련 로봇 기술을 포함하여 완전한 인간 움직임 데이터를 캡처하기 어려운 다른 영역으로 확장될 수 있다고 언급했습니다.

그들은 "이 작업은 주로 테니스 리턴 작업에 초점을 맞추고 있지만, 제안된 프레임워크는 완전하고 고품질의 인간 움직임 데이터가 없는 광범위한 작업으로 일반화될 잠재력을 가지고 있습니다."라고 결론지었습니다.

Tyler Durden
2026년 3월 17일 (화) - 17:00