首页 / 资讯详情
银河通用&清华 LATENT：用「不完美人类数据」让机器人学会网球对打 | IROS 2026
摘要
5小时动作碎片，最后变成了机器人的身体直觉。 作者丨吴思梦 编辑丨岑 峰 马晓宁 如果你玩过《Mario Tennis》或者《TopSpin》，大概不会觉得打网球是一件特别复杂的事。球飞过来，移动人物，判断落点，在合适的时机按下击球键。尤其在《Mario Tennis Aces》里，游戏甚至把网球进一步拆成了一套很直观的动作语言：正手、反手、上旋、切削、吊高球，甚至还有需要精确卡点才能完成的特殊击球。Mario Tennis Aces 游戏画面现实里的网球当然远比这些复杂，游戏做的事情是“动作映射”（action mapping），本质上是把玩家一个非常抽象的“按键操作”，映射成角色一整套复杂的身体动作。玩家不需要知道这个动作是怎么完成的，因为中间的运动控制被游戏系统接管了。球什么时候落地、身体什么时候转腰、脚要往哪边迈、手臂应该以多大的速度挥出去，这些事情在游戏里几乎都被隐藏。玩家看到的只是一个简单的输入，游戏引擎负责把它翻译成一连串完整的身体动作。哪怕球飞得再快，角色也不会因为来不及调整重心而站不稳，更不会因为脚下慢了一步，整个人失去平衡。但如果把这个“按一下就能挥拍”的角色换成一台真正的人形机器人，“具身性”将会使事情变得完全不一样。具身智能则要求机器人重新承担这个被游戏隐藏起来的身体过程，即从意图到动作的鸿沟。它首先得判断球从哪里来，再决定什么时候移动、移动多少；接近击球点时，双腿、腰部、躯干、肩膀、手臂和手腕必须协调起来。球拍碰到网球的时间可能只有很短的一息，而就在这段时间里，机器人还必须处理自身姿态、关节速度、摩擦力、球拍重量和来球速度等一系列变化。网球因此成了一个很有意思的机器人问题。它不像在实验室里抓取一个静止的杯子。球一直在飞，击球点一直在变，机器人不能只把一个动作做对一次，而是要在不断变化的状态里重复做对。它需要的也不再只是“知道该做什么”，而是让整个身体在几百毫秒甚至更短的时间里形成一个协调的反应。这也是 IROS 2026 上一项来自银河通用 GaLbot 团队、清华大学、北京大学、上海启智研究院和上海人工智能实验室研究团队的工作——LATENT，试图回答的问题。论文题目本身就很有意思：Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data。关键词不是“perfect”，反而是“imperfect”。研究团队没有给机器人准备一套经过精心筛选、完整、准确的人类职业网球比赛数据。相反，他们有意从并不完美的人类动作数据出发，让机器人学习网球运动中最基本的身体能力，再通过强化学习和仿真，把这些能力组合成能够真正击球的策略。换句话说，他们想解决的不是“怎样把人类动作完整复制给机器人”，而是一个更接近现实的问题：如果人类给机器人的示范本来就不完整、不够精确，它还能从里面学到什么？01五个小时的不完美数据如果真的想让机器人学习一个人类网球运动员，最直觉的办法，是把这个运动员完整地记录下来。从准备姿势开始，到移动、挥拍、击球、回位，再到下一次击球。最好还有大量不同来球、不同落点、不同身体姿态，甚至完整的比赛过程。这样机器人看到的就不只是“手应该怎么挥”，而是一套完整的网球行为。问题是，这样的数据非常难采。更不用说如果目标是人形机器人