（全球TMT2026年3月23日讯）近日，银河通用机器人与真人选手的连续自主网球对打视频刷爆全网，展示了人工智能在体育领域的巨大潜力。此次比赛的亮点在于，机器人并不是在执行预先编程的动作，而是在像人一样——全场跑动、自主决策、精确击打。这个创新背后是银河通用机器人发布的最新成果——全球首个面向网球对抗的人形机器人全身实时智能规控算法：LATENT。

　　LATENT（Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data）是来自银河通用与清华大学联合提出的新研究。这种新的机器人运动学习方法，使人形机器人能够从不完美的人类动作数据中学习复杂的运动技能，并在真实世界中完成高动态、高敏捷的网球击球与对打任务。

　　在过去的研究中，机器人运动学习往往依赖于高质量的遥操数据进行模仿学习，这种方法不仅昂贵，而且几乎不可获得。LATENT的突破在于，它从现实世界更可获取的数据出发，重新设计了运动能力的学习方式。研究团队并不依赖精确的击球手部轨迹，而是仅通过收集前后移动、正反手挥拍、横向步伐等碎片化动作，让机器人自主学习运动技能。这种方法极大地降低了数据采集的难度，使机器人能够在没有过多约束的情况下进行学习。

　　LATENT算法的核心在于将这些数据构建为“运动小脑”，从而解锁大范围跑动、急停调整，以及对各种来球的稳定回击能力。研究团队在隐空间中构建了一个“运动技能空间”，在这一空间中，碎片化的人类动作被组织为可组合、可泛化的技能结构。训练过程中，对关键自由度引入随机扰动，使技能具备可修正、可探索能力。这一创新方法使得机器人在训练中不仅能够学习到基础的击球技能，还能够在复杂的比赛环境中自主调整战术。

　　为了验证LATENT的性能，研究团队将策略部署在29自由度的人形机器人上，并在仿真与真实环境中进行了大量测试。实验数据威廉希尔显示，机器人在真实世界与人类进行网球对拉中，正手成功率超过90%，反手接近80%，网前成功率接近90%，底线%。这些数据不仅展示了机器人的卓越表现，也为未来的机器人运动员奠定了基础。

　　从技术角度来看，LATENT的成功在于其独特的学习算法，这种算法不仅提高了机器人的反应速度，还使其能够在复杂的比赛情境中灵活应对。随着科技的不断进步，未来的机器人将不仅限于模仿人类的运动，更有可能在某些方面超越人类的表现。这一趋势在体育界引发了广泛的讨论，专家们认为，机器人运动员的崛起可能会改变传统体育的面貌，甚至可能催生新的体育项目。

　　然而，机器人参与体育赛事的未来仍然面临许多挑战。首先，伦理问题是一个不可忽视的方面，如何平衡人类运动员与机器人运动员之间的竞争关系，将是体育管理机构需要认真考虑的问题。其次，机器人运动员的参与可能会影响观众的观看体验，如何确保比赛的观赏性和娱乐性也是一个重要的课题。

　　展望未来，银河通用机器人与LATENT算法的结合不仅为网球运动带来了新的可能性，也为其他体育项目的机器人化提供了借鉴。随着研究的深入，未来的机器人有望在更多领域展现其超凡的运动能力。我们期待着在不久的将来，看到机器人运动员与人类运动员共同竞技的壮观场景，开启体育史上全新的篇章。返回搜狐，查看更多