Robot humanoidal Unitree G1 opanował umiejętności tenisowe dzięki innowacyjnej metodzie uczenia na ograniczonych danych

W 2026 roku sektor robotyki odnotował przełomowy postęp w zakresie nauczania systemów humanoidalnych wykonywania złożonych i wysoce dynamicznych zadań fizycznych. Zespół badawczy składający się z ekspertów z Uniwersytetu Tsinghua, Uniwersytetu Pekińskiego oraz firmy Galbot zaprezentował projekt o nazwie LATENT. Inicjatywa ta pozwoliła robotowi Unitree G1 na opanowanie skomplikowanych umiejętności gry w tenisa, wykorzystując do tego celu zaledwie pięć godzin niepełnych danych pochodzących z rejestracji ruchów wykonywanych przez amatorów tej dyscypliny.

Maszyna wykazała się imponującą precyzją działania, osiągając wskaźnik skuteczności na poziomie około 90,9% podczas odbijania piłek forhendem w starciach z ludźmi, którzy posyłali piłki z prędkością przekraczającą 54 km/h. Tak wysoki wynik był możliwy dzięki zastosowaniu innowacyjnej technologii o nazwie Correctable Latent Action Space (Korygowalna Latentna Przestrzeń Działań), która skutecznie stabilizuje ruchy robota podczas fazy zamachu i samego uderzenia. Kluczowym znaczeniem tego osiągnięcia jest fakt, że metoda ta eliminuje konieczność gromadzenia ogromnych i kosztownych zbiorów danych z systemów przechwytywania ruchu, co znacząco przyspiesza proces wdrażania robotów humanoidalnych w realnych, nieprzewidywalnych scenariuszach.

Twórcy systemu zdołali ograniczyć przestrzeń wymaganą do rejestracji ruchu ponad 17-krotnie w stosunku do standardowego, pełnowymiarowego kortu, skupiając się na kluczowych umiejętnościach, takich jak uderzenia forhendowe i bekhendowe oraz kroki boczne i skrzyżne. W testach przeprowadzonych w środowisku symulacyjnym robot Unitree G1 wykazał się 96-procentową skutecznością uderzeń forhendowych, natomiast w warunkach rzeczywistych z powodzeniem odbijał piłki poruszające się z prędkością szczytową przekraczającą 15 m/s. Architektura LATENT wykorzystuje niedoskonałe fragmenty ruchu jako swoisty fundament strukturalny do dopracowywania zwinnych i naturalnych sekwencji, co stanowi rewolucyjną alternatywę dla tradycyjnych metod wymagających idealnych danych wejściowych.

Podczas analizy technicznej wskazano jednak na pewne ograniczenia: Unitree G1 operujący w ramach systemu LATENT na obecnym etapie reaguje jedynie pasywnie, zwracając piłkę bez stosowania zaawansowanej strategii rozmieszczania uderzeń przeciwko żywym graczom. Dodatkowo proces śledzenia piłki podczas testów opierał się na zewnętrznym optycznym systemie przechwytywania ruchu, a nie na wbudowanych czujnikach wizyjnych robota. Deweloperzy planują jednak rozszerzyć ten model na inne dynamiczne dyscypliny, takie jak piłka nożna czy parkour, co wskazuje, że wypracowanie autonomicznego podejmowania decyzji strategicznych jest kolejnym wyzwaniem na ich mapie drogowej.

W kontekście dynamicznie rozwijającego się rynku w 2026 roku, firma Unitree z siedzibą w Hangzhou planuje dostarczyć do klientów nawet 20 000 robotów humanoidalnych, co stanowi gigantyczny wzrost w porównaniu do 5 500 jednostek w roku 2025. Przedstawiona metodologia oferuje skalowalną drogę do nauczania maszyn zaawansowanych umiejętności fizycznych przy użyciu minimalnych zasobów danych. Robot Unitree G1, będący bazą dla tego systemu, posiada od 23 do 43 stopni swobody (DoF) i jest oferowany w cenach od 13 500 do 43 000 dolarów amerykańskich. Rozwój ten wpisuje się w szerszą strategię firmy, obejmującą prezentację innych zdolności, takich jak taniec czy sztuki walki, co potwierdza dążenie do pełnej utylitarności robotów. Jednocześnie firma Galbot już teraz wdraża podobne osiągnięcia w sektorze detalicznym, zarządzając ponad 40 autonomicznymi sklepami na terenie całych Chin.