follow us
AING硬迹
前段时间，银河通用发布了全球首款全自主网球人形机器人的真实表现，画面中，一个身高1.75米的白色人形机器人在标准网球场上，与人类选手完成连续多回合对拉。
它全场奔跑、挥拍击球、调整站位，动作流畅得让OpenAI前研究科学家Andrej Karpathy一度怀疑这是AI生成的虚假视频，直到埃隆·马斯克在社交平台留下评论，人们才确信人形机器人的进化如此迅速。
这是银河通用正式对外发布的全球首个面向复杂网球对抗的人形机器人全身实时智能规控算法LATENT，标志这人形机器人迈入了“高动态智能运动”的阶段。
而就在网球视频发布前不久，银河通用刚刚宣布完成25亿元新一轮融资，投资方包括国家人工智能产业基金（国家大基金三期）、中国石化、中国银行、上汽集团金控等重量级机构，国家大基金系首次出手具身智能赛道。
本轮融资后，银河通用累计融资额稳居中国具身智能领域首位，估值高达30亿美元（超200亿人民币）。从成立仅三年就站上行业之巅，这家具身智能初创企业正在重新定义中国具身智能的技术高度与产业未来。
北京信息科技大学机电工程学院机器人工程系主任刘相权直言，打网球是人形机器人最难完成的运动之一。
它要求机器人以超过6米/秒的速度在球场上来回奔跑，对时速几十公里的来球做出毫秒级反应，并在球拍与球接触的短短几毫秒内完成精确击球。
网球运动的复杂性在于它同时考验三大核心能力，一场高质量的网球对拉，考验着机器人的高动态性、高精度控制、复杂环境实时决策与全身多关节协同。
银河通用的这款机器人，搭载双目视觉系统可在0.1秒内锁定时速超50公里的来球。在时速10公里的高动态博弈中，它实现了毫秒级判断、调整和响应，移动、引拍、击球几乎连成一条流畅的动作链，在长达数分钟的多回合对拉中稳定连接6球。
实测数据显示，该机器人正手击球成功率达90.9%，可稳定完成20轮以上连续对拉。在10km/h运动状态下，其击球精度误差小于2cm。
另外，这款机器人不仅能与人类选手进行多拍对拉，还能实现机器人之间的自主对打，成为一个真正意义上的“对手”。面对不同年龄、不同风格的对手，它接单球、控全场都“从从容容、游刃有余”。
传统人形机器人的运动学习，往往依赖高质量遥操作数据进行模仿学习。但在网球这样的高动态运动场景中，这类数据几乎难以获取。
完整记录一场网球比赛的人体运动，需要高精度、大范围动作捕捉系统，同时对击球过程中手部细节的捕捉要求极高，使得数据采集成本极高且几乎不可获得。
LATENT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。银河通用与清华大学联合提出的这项新研究，为机器人装上了“运动小脑”，无需昂贵成本动捕数据，仅从人类零散的运动信息中就能自主习得运动逻辑。
研究团队在隐空间中构建了一个运动技能空间，将碎片化的人类动作组织为可组合、可泛化的技能结构。
在训练过程中，对关键自由度引入随机扰动，使技能具备可修正、可探索的能力。机器人不再只是复刻已有动作，而是获得了一种既保留自然运动风格、又允许细节优化的技能表示。
规划器可以在技能空间中进行采样与组合，面对不同来球动态选择最佳回击策略，实现“来球感知—轨迹预判—跑位调整—挥拍击球”的完整闭环。
这背后反映的是机器人运动控制、实时感知与决策等核心技术的系统性进步。
而这一研究框架的意义远不止于网球。对于同样难以捕捉完整、高质量人体运动数据的领域，如足球、羽毛球等，该方法展现出巨大的应用潜力，为解决机器人学习复杂动态技能的通用性问题提供了一条可行的路径。
AING硬迹正在打造AI硬件社区，对加入社群感兴趣的读者，欢迎扫码下方二维码加入【AING硬迹产业交流群】。
AING硬迹
AING，取自“AI+ING”的缩写，中文谐音“硬迹”，寓意着“人工智能正当其时”，致力于追寻硬科技发展的足迹，不断探索人工智能与智能硬件的深度融合。
未来，AING硬迹将不断发布AI大模型技术、AI产业生态、AI硬件产品等行业资讯、发展趋势与市场动态，我们相信大多数硬件都值得用AI重做一遍，AING硬迹期望与AI大模型厂商、与AI硬件厂商共同成长，迎接AI时代的来临。
人工智能正当时
一起追寻AI+硬件的足迹
热门跟贴