[星島綜合報道] 機械人能否像人類一樣進行高難度運動，一直是人工智能領域的重要課題。中國清華大學研究團隊近日發表新成果，透過一套名為「LATENT」的系統，成功訓練人形機械人打網球，表現被形容為機器學習及現實世界人工智能的一項突破。
研究指出，成為一名合格運動員，需要高度精準的感知能力、靈活的身體控制、快速反應及對角度的判斷。然而，將這些能力轉化到機械人身上並不容易。
以網球為例，現有的可穿戴動作捕捉技術，難以應付球員在場上大範圍移動，同時亦未能準確捕捉手腕角度等細微動作，而這些正正是影響擊球質素的關鍵。至於利用多鏡頭影像配合人工智能進行分析，例如NVIDIA的相關技術，研究團隊亦指出流程複雜，需大量工程與專業知識支持。
新提出的LATENT系統，回歸動作捕捉的核心概念，但只針對最基本的「技術單元」。研究人員收集約五小時的人類運動數據，包括正手、反手、側步及交叉步等基本動作，並在較小範圍內完成。
系統會將這些數據轉化為一個「動作空間」，再輸入至機械人之中。實驗所使用的是Unitree G1 humanoid robot，該機械人近年因能進行跳舞、格鬥等動作而受到關注，售價約為13,500美元起。
🎾Introducing LATENT: Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data
Dynamic movements, agile whole-body coordination, and rapid reactions. A step toward athletic humanoid sports skills.
Project: https://t.co/MFy2NIOsrn
Code: https://t.co/A7B5H8PIBh pic.twitter.com/vOnEzkCHXC— Zhikai Zhang (@Zhikai273) March 15, 2026
與傳統「逐步教學」不同，LATENT並不直接教機械人如何打球，而是提供一組可參考的動作模式，讓機械人自行嘗試：當偵測到網球打來時，選擇合適動作擊球，並以成功將球擊回對方場地作為目標。
在訓練過程中，大部分學習均於模擬環境中進行，大幅提升效率。機械人需要自行調整擊球角度、時機及步法，甚至在必要時偏離原有動作模式。
實際測試結果顯示，該機械人在正手擊球的成功率約為90%，反手則接近80%。整體動作流暢自然，接近人類球員的表現。
研究團隊強調，目前技術尚未達到參與正式比賽的水平，但作為早期成果，已展示出顯著進展。未來，價格相對親民的人形機械人，有機會成為網球訓練夥伴。
更重要的是，相關技術不僅限於運動領域。透過在高動態環境中學習身體控制與決策能力，機械人可望應用於更實際的場景，例如複雜操作或高風險任務。目前，LATENT系統已於GitHub開源，供研究人員進一步開發與應用。
圖片：清華大學