剛完成25億元融資的企業發布全球首款全自主網球人形機器人，走進“真人”對拉

follow us

AING硬跡

前段時間，銀河通用發布了全球首款全自主網球人形機器人的真實表現，畫面中，一個身高1.75米的白色人形機器人在標準網球場上，與人類選手完成連續多回合對拉。

它全場奔跑、揮拍擊球、調整站位，動作流暢得讓OpenAI前研究科學家Andrej Karpathy一度懷疑這是AI生成的虛假視頻，直到埃隆·馬斯克在社交平臺留下評論，人們才確信人形機器人的進化如此迅速。

這是銀河通用正式對外發布的全球首個面向復雜網球對抗的人形機器人全身實時智能規控算法LATENT，標志這人形機器人邁入了“高動態智能運動”的階段。

而就在網球視頻發布前不久，銀河通用剛剛宣布完成25億元新一輪融資，投資方包括國家人工智能產業基金（國家大基金三期）、中國石化、中國銀行、上汽集團金控等重量級機構，國家大基金系首次出手具身智能賽道。

本輪融資后，銀河通用累計融資額穩居中國具身智能領域首位，估值高達30億美元（超200億人民幣）。從成立僅三年就站上行業之巔，這家具身智能初創企業正在重新定義中國具身智能的技術高度與產業未來。

北京信息科技大學機電工程學院機器人工程系主任劉相權直言，打網球是人形機器人最難完成的運動之一。

它要求機器人以超過6米/秒的速度在球場上來回奔跑，對時速幾十公里的來球做出毫秒級反應，并在球拍與球接觸的短短幾毫秒內完成精確擊球。

網球運動的復雜性在于它同時考驗三大核心能力，一場高質量的網球對拉，考驗著機器人的高動態性、高精度控制、復雜環境實時決策與全身多關節協同。

銀河通用的這款機器人，搭載雙目視覺系統可在0.1秒內鎖定時速超50公里的來球。在時速10公里的高動態博弈中，它實現了毫秒級判斷、調整和響應，移動、引拍、擊球幾乎連成一條流暢的動作鏈，在長達數分鐘的多回合對拉中穩定連接6球。

實測數據顯示，該機器人正手擊球成功率達90.9%，可穩定完成20輪以上連續對拉。在10km/h運動狀態下，其擊球精度誤差小于2cm。

另外，這款機器人不僅能與人類選手進行多拍對拉，還能實現機器人之間的自主對打，成為一個真正意義上的“對手”。面對不同年齡、不同風格的對手，它接單球、控全場都“從從容容、游刃有余”。

傳統人形機器人的運動學習，往往依賴高質量遙操作數據進行模仿學習。但在網球這樣的高動態運動場景中，這類數據幾乎難以獲取。

完整記錄一場網球比賽的人體運動，需要高精度、大范圍動作捕捉系統，同時對擊球過程中手部細節的捕捉要求極高，使得數據采集成本極高且幾乎不可獲得。

LATENT僅通過收集前后移動、正反手揮拍、橫向步伐等碎片化動作，讓機器人自主學習運動技能。銀河通用與清華大學聯合提出的這項新研究，為機器人裝上了“運動小腦”，無需昂貴成本動捕數據，僅從人類零散的運動信息中就能自主習得運動邏輯。

研究團隊在隱空間中構建了一個運動技能空間，將碎片化的人類動作組織為可組合、可泛化的技能結構。

在訓練過程中，對關鍵自由度引入隨機擾動，使技能具備可修正、可探索的能力。機器人不再只是復刻已有動作，而是獲得了一種既保留自然運動風格、又允許細節優化的技能表示。

規劃器可以在技能空間中進行采樣與組合，面對不同來球動態選擇最佳回擊策略，實現“來球感知—軌跡預判—跑位調整—揮拍擊球”的完整閉環。

這背后反映的是機器人運動控制、實時感知與決策等核心技術的系統性進步。

而這一研究框架的意義遠不止于網球。對于同樣難以捕捉完整、高質量人體運動數據的領域，如足球、羽毛球等，該方法展現出巨大的應用潛力，為解決機器人學習復雜動態技能的通用性問題提供了一條可行的路徑。

AING硬跡正在打造AI硬件社區，對加入社群感興趣的讀者，歡迎掃碼下方二維碼加入【AING硬跡產業交流群】。

AING硬跡

AING，取自“AI+ING”的縮寫，中文諧音“硬跡”，寓意著“人工智能正當其時”，致力于追尋硬科技發展的足跡，不斷探索人工智能與智能硬件的深度融合。

未來，AING硬跡將不斷發布AI大模型技術、AI產業生態、AI硬件產品等行業資訊、發展趨勢與市場動態，我們相信大多數硬件都值得用AI重做一遍，AING硬跡期望與AI大模型廠商、與AI硬件廠商共同成長，迎接AI時代的來臨。

人工智能正當時

一起追尋AI+硬件的足跡