什么值得买App下载 App ›
连续签到专享现金活动

五小时训练,清华大学团队教会宇树人形机器人打高水平网球

2026年3月,清华大学与银河通用机器人公司在预印本平台arXiv联合发布开源AI系统LATENT。该系统通过仅约5小时的人类不完整动作数据,成功教会宇树科技G1人形机器人进行高水平的网球对打。这项技术不仅在模拟环境中实现了高效的技能迁移,更在真实球场验证了其在极端动态场景下的适应性与精确度。
01技术背景与LATENT系统架构
人形机器人在学习高速运动技能时长期面临两难困境:传统可穿戴动作捕捉套装难以应对网球大范围跑动及击球瞬间手腕的细微角度记录,而从电视录像提取信息则需要大量专业知识与工程投入。LATENT系统选择了第三条路径,即回归基础动作捕捉,并专门设计用于处理“不完整、不精确”的数据。
02核心数据与训练成效
LATENT系统展示了极高的学习效率与成果。研究团队仅采集了约5小时的基础技术单元数据(包括正反手击球、侧滑步、交叉步),便构建出类人的“动作潜在空间”。搭载该系统的宇树G1机器人在真实球场表现优异,正手回球成功率约为90%,反手回球成功率接近80%,其动作流畅度甚至令专业运动员感到意外。
技术指标具体数据/表现实际意义
训练数据量约5小时极低的数据门槛,仅包含基础技术单元
正手回球成功率约90%在真实球场环境中具备极高实战能力
反手回球成功率接近80%展现了非优势侧的精确肢体协调能力
视觉追踪能力大于15米/秒能够稳定追踪高速飞行的网球

LATENT系统关键性能指标

03实现原理与仿真迁移
该系统的核心逻辑分为三个阶段:首先对原始数据进行处理,构建一本基础的“动作词典”,告知机器人大致的发力方式;随后向机器人下达极简指令,即“看准来球,把球打过网”;最后,将如何组合动作、何时加速收力等复杂决策交给机器人在模拟环境中以加速方式自行摸索。绝大部分学习过程在虚拟仿真中完成,之后才迁移至实体机器人,团队针对G1的右臂定制了球拍固定装置,并调整了视觉感知系统。
04产品意义与工业应用价值
宇树G1作为起售价约13500美元的高性价比全尺寸人形机器人,此前已展示过格斗、搬运等场景。网球项目对高速动态感知、实时预判及精确协调的要求远高于普通任务,清华团队选择该场景验证了LATENT框架在极端环境下的可靠性。这意味着该技术具有强大的可迁移性,可直接应用于工厂流水线的快速分拣、物流仓库的不规则物品抓取以及医疗辅助等精细操作场景。
  • 03月
  • 03月

评论

评论区空态插画

当前文章无评论,是时候发表评论了