Xem: Robot hình người trả bóng tennis với độ chính xác 96% trong các bài kiểm tra mô phỏng

Xem: Robot hình người đánh trả bóng tennis với độ chính xác 96% trong các bài kiểm tra mô phỏng

Được biên soạn bởi Atharva Gosavi qua Interesting Engineering,

Galbot Robotics đã phát hành một video trên tài khoản X chính thức của mình vào ngày 16 tháng 3 cho thấy một robot hình người đang đánh trả bóng tennis với một người chơi trong thời gian thực.
Robot chơi tennis

Buổi trình diễn giới thiệu hệ thống LATENT của công ty, được phát triển với sự hợp tác của các nhà nghiên cứu từ Đại học Thanh Hoa và Đại học Bắc Kinh.

Hệ thống đã được thử nghiệm trên robot hình người Unitree G1, robot này đã thể hiện khả năng phản ứng với các quả bóng di chuyển nhanh, di chuyển trên sân và duy trì các loạt đánh với đối thủ là con người.

“Lần đầu tiên, một robot hình người có thể duy trì các loạt đánh tennis có động lực cao, tầm xa với phản ứng theo mili giây, đánh bóng chính xác và chuyển động toàn thân tự nhiên,” bài đăng trên X của Galbot cho biết.

Dạy robot dựa trên dữ liệu chuyển động hạn chế

🎾Người chơi tennis hình người của bạn đã đến đây!🤖
Giới thiệu LATENT (Học Kỹ Năng Tennis Hình Người Vận Động Từ Dữ Liệu Chuyển Động Con Người Không Hoàn Hảo) — thuật toán lập kế hoạch và điều khiển toàn thân thời gian thực đầu tiên trên thế giới dành cho tennis hình người vận động.
Lần đầu tiên, một robot hình người có thể… pic.twitter.com/gCi38wxHVQ
— Galbot (@GalbotRobotics) Ngày 16 tháng 3 năm 2026
Một trong những thách thức chính trong việc huấn luyện robot cho thể thao nằm ở việc thiếu dữ liệu chuyển động con người chính xác. Điều này đặc biệt đúng với tennis, nơi người chơi di chuyển trên diện tích lớn, bóng có thể đạt tốc độ lên tới 30 m/s và thời gian tiếp xúc giữa vợt và bóng chỉ kéo dài vài mili giây.

Để giải quyết vấn đề này, các nhà nghiên cứu đã tránh ghi lại toàn bộ các trận đấu. Thay vào đó, họ tập trung vào việc thu thập các đoạn chuyển động thiết yếu ngắn như cú thuận tay, cú trái tay và bước sang ngang.

Dữ liệu được thu thập bằng hệ thống theo dõi chuyển động trong một sân nhỏ 3×5 mét, nhỏ hơn 17 lần so với sân tennis tiêu chuẩn. Tổng cộng có năm người chơi đã đóng góp khoảng năm giờ dữ liệu chuyển động được ghi lại.

Từ các chuyển động cơ bản đến lối chơi phối hợp

Sử dụng bộ dữ liệu này, hệ thống LATENT trước tiên huấn luyện robot sao chép các chuyển động riêng lẻ.

Các hành động đã học này được kết hợp thành các chuỗi cho phép robot thực hiện các nhiệm vụ cụ thể, bao gồm tiếp cận bóng, thực hiện cú đánh và quay trở lại vị trí được chỉ định trên sân.

Để cải thiện hiệu suất trong thế giới thực, mô hình đã được huấn luyện trong môi trường mô phỏng, nơi các tham số vật lý quan trọng, chẳng hạn như khối lượng của robot và bóng, ma sát và khí động học, được thay đổi ngẫu nhiên.

Cách tiếp cận này đã giúp giảm khoảng cách giữa đào tạo mô phỏng và điều kiện thực tế.

“Phát hiện chính của chúng tôi là, mặc dù không hoàn hảo, dữ liệu gần như thực tế như vậy vẫn cung cấp thông tin ban đầu về các kỹ năng cơ bản của con người trong các tình huống tennis,” họ nói.

“Với việc chỉnh sửa và kết hợp thêm, chúng tôi học được một chính sách hình người có thể đánh bóng liên tục dưới nhiều điều kiện khác nhau và đánh trả chúng về các vị trí mục tiêu, đồng thời bảo tồn các kiểu chuyển động tự nhiên,” họ tiếp tục.

Xác thực trong thế giới thực

Trong các bài kiểm tra mô phỏng, hệ thống đã đạt tỷ lệ thành công lên tới 96% trong các cú thuận tay. Khi được triển khai trên robot Unitree G1 thực tế, nó đã thể hiện khả năng duy trì các loạt đánh với người chơi và liên tục đánh trả bóng về phía sân của đối thủ.

Các nhà nghiên cứu lưu ý rằng cách tiếp cận này có thể mở rộng ra ngoài tennis sang các lĩnh vực khác, nơi việc thu thập dữ liệu chuyển động con người đầy đủ là khó khăn, bao gồm bóng đá, cầu lông và các kỹ năng robot liên quan đến thể thao khác.

“Mặc dù công việc này chủ yếu tập trung vào nhiệm vụ đánh trả bóng tennis, khung làm việc được đề xuất có tiềm năng khái quát hóa cho một loạt các nhiệm vụ rộng hơn, nơi dữ liệu chuyển động con người đầy đủ và chất lượng cao không có sẵn,” họ kết luận.

Tyler Durden
Thứ Ba, 17/03/2026 - 17:00