Гуманоидный робот Unitree G1 освоил теннисные навыки с использованием ограниченных данных

В 2026 году в области робототехники зафиксирован значительный прогресс в обучении гуманоидных систем сложным динамическим задачам. Исследователи из Университета Цинхуа, Пекинского университета и компании Galbot представили проект LATENT, который позволил роботу Unitree G1 освоить комплексные теннисные навыки, используя всего пять часов неполных данных о движениях любителей.

Робот продемонстрировал высокую точность, достигнув показателя успешного возврата мяча примерно в 90,9% случаев при игре в «форхенд» против оппонентов-людей, подающих мячи со скоростью свыше 54 км/ч. Этот результат основан на применении «Корректируемого латентного пространства действий» (Correctable Latent Action Space), которое стабилизирует движения во время замахов и ударов. Ключевое значение этого достижения состоит в том, что данный метод позволяет избежать необходимости в обширных и высококачественных данных захвата движения, что потенциально ускоряет внедрение гуманоидных роботов в динамичные сценарии реального мира.

Разработчики сократили требуемую площадь для захвата движения более чем в 17 раз по сравнению с полноразмерным кортом, сосредоточившись на примитивных навыках, таких как удары «форхенд» и «бэкхенд», а также шаги в сторону и перекрестные шаги. В симуляционных тестах робот показал 96% успешных ударов «форхенд», а в реальных испытаниях он успешно отбивал мячи при пиковой скорости свыше 15 м/с. Фреймворк LATENT использует «несовершенные» фрагменты движений как структурный априор для уточнения и композиции проворных, естественных движений, что контрастирует с традиционными методами, требующими сбора технически сложного и дорогостоящего идеального захвата движения.

В ходе технического раскрытия ограничений было отмечено, что Unitree G1, работающий на базе фреймворка LATENT, на текущем этапе лишь реактивно возвращает мяч, не используя стратегическое размещение ударов против живых игроков. Кроме того, отслеживание мяча во время тестирования зависело от внешней оптической системы захвата движения, а не от внутренней системы зрения самого робота. Разработчики планируют обобщить этот фреймворк для других динамических задач, таких как футбол или паркур, что указывает на то, что автономное стратегическое принятие решений остается отдельным вызовом.

В контексте 2026 года, когда компания Unitree, базирующаяся в Ханчжоу, планирует отгрузить до 20 000 гуманоидных роботов (значительно превышая 5 500 единиц в 2025 году), эта методология предлагает масштабируемый путь для обучения роботов сложным физическим навыкам с использованием ограниченных наборов данных. Робот Unitree G1, на котором развернута система, имеет от 23 до 43 степеней свободы (DoF) и стоит от 13 500 до 43 000 долларов США в различных конфигурациях. Эта разработка вписывается в более широкий контекст 2026 года, включая демонстрации Unitree других навыков, таких как танцы и движения боевых искусств, что подчеркивает стремление к переходу робототехники из лабораторий в сферу реальной утилитарности. Компания Galbot уже применяет подобные достижения в розничном секторе, управляя более чем 40 автономными магазинами по всему Китаю.