Китайский андроид освоил большой теннис: Galbot показала игру своего робота

Систему протестировали на человекоподобном роботе Unitree G1, который продемонстрировал способность реагировать на быстро летящие мячи, перемещаться по корту и поддерживать розыгрыши с соперником.

«Впервые человекоподобный робот способен вести высокодинамичные, длительные теннисные розыгрыши с миллисекундной реакцией, точными ударами и естественными движениями всего тела», — говорится в сообщение Galbot.

Одной из главных проблем при обучении роботов спортивным навыкам является нехватка точных данных о движениях человека. Особенно это актуально для тенниса, где игроки преодолевают большие расстояния, мяч может развивать скорость до 30 метров в секунду, а контакт ракетки с мячом длится всего несколько миллисекунд. Чтобы решить эту задачу, исследователи не записывали полные матчи. Вместо этого они сосредоточились на коротких фрагментах ключевых движений.

Данные фиксировались системой отслеживания движений на компактном корте размером три на пять метров — более чем в 17 раз меньше стандартного теннисного поля. Всего пять игроков предоставили около пяти часов записей движений.

Используя этот набор данных, система LATENT сначала обучила робота воспроизводить отдельные движения. Выученные действия объединялись в последовательности, позволяющие роботу выполнять конкретные задачи: достигать мяча, наносить удар и возвращаться на заданную позицию на корте. Для улучшения работы в реальных условиях модель обучалась в симуляционной среде, где ключевые физические параметры — масса робота и мяча, трение и аэродинамика — случайным образом варьировались. Такой подход помог сократить разрыв между тренировкой в симуляции и реальными условиями.

В имитационных тестах система достигла 96% успешных ударов. При работе на реальном роботе Unitree G1 она продемонстрировала способность поддерживать розыгрыши с человеком и стабильно возвращать мяч на сторону соперника.

Исследователи отметили, что этот подход может быть применен не только к теннису, но и к другим областям, где трудно получить полные данные о движениях человека, включая футбол, бадминтон и другие спортивные навыки для роботов.

Закладка

Скопировать ссылку

Email

Печать

Twitter

VK

Telegram