- Galbot 的人形機器人於 WHRG 完成逾 100 次自主網球回合。
- 比賽展示了機器人在真實環境中的自主決策能力。
- LATENT 技術使機器人能從不完美的人類動作中學習網球技巧。
- 此示範標誌著人形機器人測試範圍的擴展，向複雜環境邁進。
中國 Galbot 公司研發的人形機器人於北京第二屆世界人形機器人運動會（WHRG）開幕禮上，與人類運動員對戰，完成逾 100 個連續回合。Galbot 表示，這是全球首次由人形機器人在無人類直接操控下，於真實環境中進行的自主網球比賽。賽事期間，機器人需要即時感知賽況、自主決策，並在球場上獨立移動，全程應對高速互動場面。
第二屆 WHRG 已在中國北京揭幕，合共吸引來自 16 個國家、合共 666 支隊伍合共 2,056 部機器參與，並加入多項全新賽事。Galbot 的人形機器人在開幕禮的網球示範中，先後完成超過 100 個連續對打回合，創下人形機器人網球賽新紀錄。這次展示反映 WHRG 的發展重心，正逐步由受控的實驗室任務，轉向在動態真實環境中測試機器人的表現。
自主網球比賽的突破
對戰期間，機器人自行追蹤高速移動的網球，在場上調整位置，並執行發球、正手、反手、回擊及救球等動作。隨着對打進行，機器人須不斷調整動作策略，結合視覺感知、決策運算及全身協調能力。機器人亦夥拍人類球員參與雙打賽事，因應場上變化調整走位及動作。個別回合中，機器人在失去平衡後能自行回復穩定，並繼續作賽。
有專家指出，是次示範體現北京賽事更宏觀的目標：將人形機器人的測試範圍，由單一技能展示，擴展至能否在複雜環境中持續感知、決策及行動。Galbot 自主網球賽正是朝這個方向邁進的重要一步。
LATENT 技術的創新
示範背後的核心技術為 LATENT（Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data），一套由 Galbot 研發的全新人工智能框架，專門用於協助人形機器人從不完美的真人動作數據中學習複雜網球技巧。LATENT 將網球動作拆解為多個可重用的基礎動作單元，包括正手、反手擊球、橫向滑步及交叉步，令系統可分階段學習單一動作，再組合為更複雜的連續行為。
據 Galbot 表示，LATENT 的關鍵特性在於能夠運用「接近真實」的人類動作數據，而非依賴高度精準的動作捕捉數據集。研究人員在早期研究中，利用輕便的動作捕捉裝置，收集業餘球員約五小時的基礎網球動作數據。系統其後將這些不完美的示範數據，組織成一個可供機器人詮釋及優化的隱式動作空間。框架再透過強化學習及大規模模擬訓練，使系統能因應比賽變化選擇並組合動作。
這種機制令機器人可依據來球等外在因素調整動作，同時保持協調且自然的運動模式。Galbot 指出，相關方法旨在解決機器人學習領域的一大難題：在毋須大量完美錄製的人類示範下，教授機器人高速、精準且具動態變化的技能。透過將雜訊較高的人類動作數據轉化為可重用動作單元，LATENT 為訓練機器人執行複雜體能任務，提供更具效率的途徑。
Galbot 的技術如何改變機器人學習方式
Galbot 的 LATENT 技術代表了一種新方法，讓機器人能夠從不完美的人類動作中學習，這在機器人學習領域是一大挑戰。以往，機器人學習通常依賴精準的動作捕捉數據，但 LATENT 的設計使機器人能夠利用更自然的數據進行學習，從而提高其在動態環境中的表現。這不僅提升了機器人的運動能力，也為未來的機器人應用開啟了新的可能性，尤其是在需要快速反應和靈活性的場景中。