Άντε βάλτου πόντο: Ανθρωποειδές ρομπότ νέας γενιάς παίζει τένις με ακρίβεια 96%

Το σύστημα βασίζεται στην τεχνολογία LATENT, που αναπτύχθηκε σε συνεργασία με το Πανεπιστήμιο Tsinghua και το Πανεπιστήμιο του Πεκίνο.

Η επίδειξη πραγματοποιήθηκε με το ανθρωποειδές ρομπότ Unitree G1, το οποίο έδειξε ότι μπορεί να παρακολουθεί μπάλες υψηλής ταχύτητας, να μετακινείται στο γήπεδο και να διατηρεί ανταλλαγές με ανθρώπινο αντίπαλο. Το εντυπωσιακό, ωστόσο, δεν είναι μόνο η απόδοσή του, αλλά και ο τρόπος εκπαίδευσής του.

Αντί να βασιστούν σε πλήρη δεδομένα αγώνων, κάτι ιδιαίτερα δύσκολο λόγω της ταχύτητας και της πολυπλοκότητας του τένις, οι ερευνητές χρησιμοποίησαν αποσπασματικά δεδομένα κίνησης. Συγκέντρωσαν βασικές κινήσεις όπως forehand, backhand και πλευρικά βήματα, μέσα από περίπου πέντε ώρες καταγραφής από πέντε παίκτες, σε ένα μικρότερο, ελεγχόμενο περιβάλλον.

Στη συνέχεια, το σύστημα LATENT εκπαίδευσε το ρομπότ να αναπαράγει αυτές τις κινήσεις και να τις συνδυάζει σε πιο σύνθετες ακολουθίες. Έτσι, το ρομπότ μπορεί να φτάνει τη μπάλα, να εκτελεί χτυπήματα και να επανέρχεται σε θέση, διατηρώντας έναν ρυθμό που θυμίζει ανθρώπινο παιχνίδι.

🎾Your humanoid tennis player is here!🤖

Introducing LATENT (Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data) — the world’s first real-time whole-body planning and control algorithm for athletic humanoid tennis.

For the first time, a humanoid robot can… pic.twitter.com/gCi38wxHVQ

— Galbot (@GalbotRobotics) March 16, 2026

Όπως αναφέρει το interestingengineering.com, για να γεφυρωθεί το χάσμα μεταξύ προσομοίωσης και πραγματικότητας, η εκπαίδευση έγινε σε περιβάλλον όπου παράμετροι όπως η τριβή, η μάζα και η αεροδυναμική μεταβάλλονταν δυναμικά. Αυτή η μέθοδος βοήθησε το ρομπότ να προσαρμόζεται σε διαφορετικές συνθήκες και να διατηρεί υψηλή απόδοση.

Τα αποτελέσματα ήταν εντυπωσιακά: στις προσομοιώσεις επιτεύχθηκε ποσοστό επιτυχίας έως 96%, ενώ στις πραγματικές δοκιμές το ρομπότ κατάφερε να ανταποκρίνεται με συνέπεια και να επιστρέφει τη μπάλα στην πλευρά του αντιπάλου.

Οι ερευνητές εκτιμούν ότι η συγκεκριμένη προσέγγιση μπορεί να εφαρμοστεί και σε άλλα αθλήματα, όπως το ποδόσφαιρο ή το μπάντμιντον, αλλά και σε ευρύτερες ρομποτικές εφαρμογές όπου τα πλήρη δεδομένα ανθρώπινης κίνησης είναι δύσκολο να συλλεχθούν.

Πηγή: newsbeast.gr