什么值得买App下载 App ›
连续签到专享现金活动

国产人形机器人学会打网球,90.9%成功率意味着什么

一个机器人站在网球场上的那一刻
2026年8月,一个身高1.75米的人形机器人站上了网球场的中央。它叫“银河星仔”,今晚要和人专业运动员来一场混双对打。没有预设程序,没有动作捕捉辅助,就靠一双眼睛和一套算法,自己学会了这门运动。1
结果呢?正手击球成功率90.9%,能稳定完成20轮以上连续对拉,动作流畅度逼近专业运动员。这组数字在行业内引发了震动——因为它代表的意义,远不止“又一个人工智能玩具”那么简单。2
这台机器人能打球这件事本身,就是一个技术里程碑。以往的人形机器人,要么在工厂里重复固定动作,要么在实验室里完成单一任务。像网球这样需要实时感知、快速决策、全身协调的运动,还没有哪台人形机器人敢说自己“会”。
它靠什么学会的?
答案藏在它的眼睛和“大脑”里。双目视觉系统可以在0.1秒内锁定时速超过50公里的来球,而人类职业球员的平均反应时间在200毫秒以上。这意味着机器人“看见”球的时间,实际上已经领先了人类一截。3
但光有眼睛还不够。关键是它能把这套感知系统,和全身几十个关节的实时控制串联起来,形成一个完整闭环:来球感知—轨迹预判—跑位调整—挥拍击球。整个过程从视觉输入到关节执行,延迟已经压缩到20毫秒左右,而人类完成同样流程需要约230毫秒。4
真正让这台机器人“学会”打球的,是一套叫LATENT的算法。这是银河通用和清华大学联合研发的成果。它的创新之处在于:不需要喂给它大量专业运动员的动作数据,而是通过深度强化学习,让机器人在仿真环境里自己摸索。从零散的移动、挥拍片段中,自主构建出可组合、可泛化的技能体系。5
翻译成人话就是:机器人不需要先“临摹”一万个小时的职业比赛录像,而是通过自主探索,自己总结出在不同来球情况下该怎么移动、怎么挥拍、怎么控制落点。这和人类学习一项运动的过程更像,而不是传统机器人的“记忆-复现”模式。
业余之上,职业未满
看到这里,你可能会想:既然这么厉害,能不能打败职业选手?答案是:暂时还不行。这台机器人现在的定位,更接近一个“超高水平的业余陪练”。6
90.9%的正手成功率,意味着平均每打十个球会失误一个。在职业赛场上,这种失误率意味着直接出局。此外,在高强度对抗中,机器人仍会出现失衡倒地的情况。摔倒之后虽然能自主起身,但这本身就说明了在极端动态环境下,它的稳定性还有提升空间。6
更深层的差距在于战术层面。网球名将郑洁体验后评价“超乎想象”,但也指出表演赛中对手配合度较高。真正的职业比赛需要爆发力、战术变化和持续的体能输出,这些目前都不是这款机器人的强项。6
这台机器人真正值得关注的,不是它能不能打赢职业球员,而是它证明了人形机器人可以在开放、动态、非结构化的环境里完成复杂的实时对抗任务。这才是它的价值所在。
从球场到更远的未来
目前最直接的应用场景,是体育训练辅助。这款机器人可以扮演陪练角色,为运动员提供定制化训练。实时记录击球数据、生成分析报告、帮助发现技术短板——这些功能对于专业运动员和进阶爱好者来说,都有一定实用价值。6
但这项技术的意义不止于网球。能够摆脱预编程依赖、在非结构化环境中完成全身协调运动,意味着这套系统可以迁移到其他需要实时感知和决策的场景。工厂、物流、家庭服务——每一个需要在开放环境中与人共存的场景,都可能成为这项技术的下一个落点。
行业里有个判断:它是全球范围内,能将全自主网球对抗搬上真实赛场的,目前仅有银河通用一家。从技术角度看,这句话的分量很重。它意味着在具身智能这条赛道上,国产技术已经跑出了关键一步。7
这台机器人打网球的能力,最终能不能超过普通网球爱好者,现在还不好说。但它背后的技术路径——让机器人在开放环境下自主学习、自主决策——才是真正值得持续关注的方向。技术成熟度、产品化进度、市场接受度,这些都需要时间来验证。
别急着喊“超越人类”。先记住这个事实:它证明了机器可以在真实世界里自主运动、自主学习。接下来的故事,才刚刚开始。

评论

评论区空态插画

当前文章无评论,是时候发表评论了