Oglądaj: Robot Humanoidalny Odbija Piłki Tenisowe z 96% Dokładnością w Testach Symulacyjnych

Obejrzyj: Robot humanoidalny odbija piłki tenisowe z 96% dokładnością w testach symulacyjnych

Autor: Atharva Gosavi via Interesting Engineering,

Galbot Robotics opublikował wideo na swoim oficjalnym koncie X 16 marca, pokazujące robota humanoidalnego odbijającego piłki tenisowe z ludzkim graczem w czasie rzeczywistym.
Robot grający w tenisa

Demonstracja prezentuje system LATENT firmy, opracowany we współpracy z badaczami z Tsinghua University i Peking University.

System został przetestowany na robocie humanoidalnym Unitree G1, który wykazał zdolność reagowania na szybko poruszające się piłki, poruszania się po korcie i utrzymywania wymian z ludzkim przeciwnikiem.

„Po raz pierwszy robot humanoidalny jest w stanie utrzymać dynamiczne, długie wymiany tenisowe z reakcjami na poziomie milisekund, precyzyjnym uderzeniem piłki i naturalnym ruchem całego ciała” – czytamy w poście Galbot na X.

Nauczanie robotów na podstawie ograniczonych danych ruchowych

🎾Twój tenisista humanoidalny jest tutaj!🤖
Przedstawiamy LATENT (Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data) — pierwszy na świecie algorytm planowania i sterowania całego ciała w czasie rzeczywistym dla atletycznego tenisa humanoidalnego.
Po raz pierwszy robot humanoidalny może… pic.twitter.com/gCi38wxHVQ
— Galbot (@GalbotRobotics) 16 marca 2026
Jednym z kluczowych wyzwań w szkoleniu robotów do sportu jest brak dokładnych danych o ruchu człowieka. Dotyczy to zwłaszcza tenisa, gdzie gracze pokrywają duże obszary, piłki mogą osiągać prędkości do 30 m/s, a kontakt rakiety z piłką trwa zaledwie kilka milisekund.

Aby temu zaradzić, badacze unikali nagrywania pełnych meczów. Zamiast tego skupili się na zbieraniu krótkich fragmentów kluczowych ruchów, takich jak forhendy, backhendy i kroki boczne.

Dane zostały zarejestrowane za pomocą systemu śledzenia ruchu na kompaktowym korcie o wymiarach 3×5 metrów, ponad 17 razy mniejszym niż standardowy kort tenisowy. W sumie pięciu graczy wniosło około pięciu godzin nagranych danych ruchowych.

Od podstawowych ruchów do skoordynowanej gry

Wykorzystując ten zbiór danych, system LATENT najpierw szkoli robota do powtarzania poszczególnych ruchów.

Nauczone akcje zostały połączone w sekwencje, które pozwoliły robotowi wykonywać określone zadania, w tym dosięgnięcie piłki, wykonanie uderzenia i powrót na wyznaczoną pozycję na korcie.

Aby poprawić wydajność w rzeczywistym świecie, model był trenowany w środowisku symulacyjnym, gdzie kluczowe parametry fizyczne, takie jak masa robota i piłki, tarcie i aerodynamika, były losowo zmieniane.

Takie podejście pomogło zmniejszyć lukę między symulowanym treningiem a rzeczywistymi warunkami.

„Naszym kluczowym spostrzeżeniem jest to, że pomimo bycia niedoskonałymi, takie quasi-realistyczne dane nadal dostarczają informacji o podstawowych ludzkich umiejętnościach w scenariuszach tenisowych” – powiedzieli.

„Dzięki dalszej korekcie i kompozycji uczymy politykę humanoidalną, która może konsekwentnie uderzać nadlatujące piłki w szerokim zakresie warunków i odsyłać je do docelowych lokalizacji, zachowując jednocześnie naturalne style ruchu” – kontynuowali.

Walidacja w rzeczywistym świecie

W testach symulacyjnych system osiągnął do 96% skuteczności w uderzeniach forhendowych. Po wdrożeniu na rzeczywistym robocie Unitree G1 wykazał zdolność do utrzymywania wymian z ludzkim graczem i konsekwentnego odsyłania piłki na stronę przeciwnika.

Badacze zauważyli, że takie podejście może wykraczać poza tenis do innych dziedzin, gdzie przechwytywanie kompletnych danych o ruchu człowieka jest trudne, w tym piłki nożnej, badmintona i innych umiejętności robotycznych związanych ze sportem.

„Chociaż ta praca koncentruje się głównie na zadaniu odbicia tenisowego, proponowana rama ma potencjał do generalizacji na szerszy zakres zadań, w których brakuje kompletnych i wysokiej jakości danych o ruchu człowieka” – podsumowali.

Tyler Durden
Wt, 17.03.2026 - 17:00