中国研究团队开发的一款人形机器人近日展示了实时网球对打能力，标志着具身智能（Embodied AI）领域迈出新的一步。该系统由北京海淀区的银河通用（Galbot）与清华大学联合开发，能够追踪来球、预测轨迹、自主移动站位，并通过全身协调完成回球。据团队介绍，其正手回球成功率达到了90.9%，在人形机器人最具挑战性的动态对抗环境中展现出持续进步的能力。

LATENT框架：从不完美数据中高效学习

该网球机器人的核心技术是一套名为LATENT的训练框架，由清华大学团队与银河通用共同研发。该框架使人形机器人能够从非专业的、带噪声的人类运动数据中习得复杂运动技能。系统将网球动作分解为基本运动基元（如正手、反手挥拍、侧滑步、交叉步等），使机器人能够以结构化、可扩展的方式进行学习。

与传统方法依赖高精度动作捕捉或详细运动学建模不同，LATENT采用从业余爱好者采集的“准真实”输入。研究人员使用一套紧凑的采集装置收集了约5小时的运动数据，获得了虽带噪声但仍有意义的运动表征。这些数据被映射到一个隐式动作空间（latent action space），机器人能够在此空间中解读、优化并重新组合运动元素，形成连贯的动作。

该框架将强化学习与大规模仿真相结合，使系统能够适应不同的球轨迹和比赛条件，同时保持流畅、类人的运动形态。训练后的策略被部署在宇树科技（Unitree）的G1人形机器人上，实现了可靠的击球和控制回球。

实测表现与意义

团队表示，该人形机器人能够追踪来球、预测轨迹、调整位置，并通过自主学习和全身协调做出实时决策。它可以与不同年龄和技能水平的选手进行多回合对打，在动态比赛场景中展现出适应性。中国日报报道称，其正手回球成功率达到了90.9%，在人形机器人操作有效性的重要基准上取得了进展。

在早期评估中，研究人员在真实比赛中测试了LATENT系统，人形机器人在前场和后场区域均与人类选手进行了对抗。在1万次试验中，该系统在正手和反手击球方面均表现强劲，在准确性、一致性和动作自然度上超越了以往方法。据团队称，在最佳状态下，机器人成功率达到96.5%，能持续将球回至接近目标区域。虽然其速度和精度尚不及职业选手，但系统已展现出维持长时间回合、适应不同打法与条件的能力，标志着在向更具能力的现实运动机器人迈进过程中取得了稳步进展。

该研究有望降低机器人学习动态技能的门槛——通过减少对高质量数据集的依赖，使机器人能够从不完美的输入中学习，从而解决机器人领域中一个关键瓶颈：在非结构化环境中复制快速、动态且精确的人类行为。