从打球机器人,看Physical AI 的路线之争

机器人电报8月23日讯,在第二届世界人形机器人运动会开幕式上,银河通用将其人形机器人「银河·星仔」带到了国家速滑馆“冰丝带”的网球场。该机器人与真人运动员进行了现场对拉展示,并接受了网球名将郑洁的单打挑战。在三轮对拉中,机器人每轮均与对手完成了超过20次的连续回球。它并非执行预设的挥拍动作,而是需要实时追踪来球轨迹并预判落点,自主调整步伐,并协调全身完成击球动作。

这一表现依托于清华大学与银河通用等团队今年公开的LATENT系统。该系统的技术路径并非为机器人逐帧设计正手、反手等动作,而是首先从不完整的人类网球运动片段中提取运动先验知识,再通过强化学习策略在仿真环境中进行大量试错、修正与技能组合。最终,Unitree G1机器人能够根据来球的方向和落点调整全身运动,在真实环境中与人类维持连续多拍的回合。研究特别指出,所使用的人类数据无需是完整的比赛序列,仅包含正手、反手、侧向移动等基础技能片段即可提供有效先验。

LATENT的成果清晰体现了机器人运动控制领域的一条主流发展路径:从依赖工程师编写固定轨迹,转向机器人通过从海量经验中学习策略来自主掌握技能。以往需要分步设计的步态、挥拍与重心调整,现在正被一个能同时协调多个自由度的全身策略所整合。沿着这一逻辑推演,随着机器人数据与模型规模的持续增长,传统机器人学中由工程师设定的运动学、动力学模型及控制器,其作用可能逐渐被端到端的学习方法所替代。