2 godzin temu
Naukowcy z czołowych chińskich uniwersytetów, we współpracy ze startupem Galbot Robotics, zaprezentowali system, który pozwala humanoidowi nauczyć się płynnej gry w tenisa na podstawie zaledwie pięciu godzin fragmentarycznych danych o ludzkim ruchu. To przełom, który może zrewolucjonizować nie tylko robotykę sportową, ale także sposób, w jaki maszyny uczą się skomplikowanych zadań w dynamicznym, nieprzewidywalnym świecie.
Problem: Jak nauczyć robota sportu?
Nauczenie humanoidalnego robota gry w tenisa to zadanie o rzędy wielkości trudniejsze niż gra w szachy. Wymaga nie tylko precyzyjnej percepcji i zdolności przewidywania trajektorii piłki poruszającej się z prędkością ponad 30 m/s, ale także błyskawicznych reakcji, dynamicznego poruszania się po dużej przestrzeni i subtelnej koordynacji całego ciała. Dotychczasowe metody, takie jak teleoperacja (zdalne sterowanie) czy uczenie na podstawie nagrań całych meczów, okazywały się nieefektywne lub zbyt skomplikowane.
Rozwiązanie: System LATENT i “fragmenty umiejętności”
Zespół badaczy z Uniwersytetu Tsinghua, Uniwersytetu Pekińskiego i firmy Galbot Robotics podszedł do problemu w nowatorski sposób. Zamiast próbować zebrać “idealne” dane z pełnych meczów, naukowcy skupili się na “niedoskonałych” danych – krótkich fragmentach podstawowych ruchów, takich jak forhend, bekhend czy kroki odstawno-dostawne. Co kluczowe, dane te zebrano w ciągu zaledwie pięciu godzin od pięciu graczy na niewielkiej przestrzeni o wymiarach 3×5 metra – ponad 17 razy mniejszej niż standardowy kort tenisowy.
System, nazwany LATENT (Learning Athletic Humanoid TEnnis skills from imperfect human motioN daTa), wykorzystuje te “fragmenty umiejętności” jako podstawowy budulec. Sztuczna inteligencja najpierw uczy się replikować poszczególne ruchy, a następnie samodzielnie komponuje je w złożone sekwencje, które pozwalają robotowi dobiec do piłki, uderzyć ją i wrócić na pozycję. Cały proces jest doskonalony w symulacji, gdzie losowo zmienia się najważniejsze parametry fizyczne (masa robota, tarcie, aerodynamika), co znacząco ułatwia przeniesienie nauczonych umiejętności do świata rzeczywistego (tzw. sim-to-real transfer).
Efekt: Płynna gra i 96% skuteczności
Wyniki eksperymentu, przeprowadzonego na komercyjnie dostępnym robocie Unitree G1 (kosztującym ok. 13 500 USD), są imponujące. W symulacji robot osiągnął 96% skuteczności uderzeń forhendowych. W rzeczywistym teście maszyna była w stanie prowadzić wielouderzeniowe wymiany z ludzkim graczem, poruszając się po korcie w sposób zaskakująco naturalny i płynny.
To nie jest zaprogramowana sekwencja ruchów. Robot w czasie rzeczywistym analizuje lot piłki i dynamicznie dobiera odpowiednią strategię, co stanowi najważniejszy przełom. Jak podkreślają twórcy, “po raz pierwszy robot humanoidalny potrafi utrzymać dynamiczne, długie wymiany tenisowe, wymagające reakcji na poziomie milisekund, precyzyjnego uderzania piłki i naturalnego ruchu całego ciała”.
Znaczenie: Więcej niż tylko sport
Choć robot nie pozostało gotowy, by rzucić wyzwanie czołówce Wimbledonu, demonstracja systemu LATENT ma ogromne znaczenie. Pokazuje, iż maszyny mogą uczyć się skomplikowanych, dynamicznych zadań na podstawie ograniczonych i niedoskonałych danych, co otwiera drogę do ich zastosowania w wielu innych dziedzinach – od innych dyscyplin sportowych, jak piłka nożna czy badminton, po zadania w przemyśle, logistyce czy opiece.
Projekt wpisuje się w szerszy trend dynamicznego rozwoju robotyki humanoidalnej w Chinach, gdzie firmy takie jak Unitree, Fourier Intelligence czy Astribot regularnie prezentują maszyny o coraz bardziej zaawansowanych zdolnościach motorycznych. Możliwość szybkiego uczenia robotów złożonych umiejętności fizycznych może okazać się kluczowym elementem w wyścigu o dominację na rynku “fizycznej AI”.
Źródła:
- Interesting Engineering, “Humanoid robot plays tennis with humans, returns fast shots in real time”, 17 marca 2026.
- Strona projektu LATENT, Tsinghua University, “Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data”, marzec 2026.
- New Atlas, “Watch: Humanoid robot gets surprisingly good at tennis”, 19 marca 2026.
- TechRadar, “You have to see this tennis-playing robot to believe it”, 17 marca 2026.
Leszek B. Ślazyk
e-mail: [email protected]
