银河通用这家公司推出的LATENT算法，把人形机器人的瓶颈给打破了，现在它能玩高难度的动态对抗运动，比如打网球。网球是最考验机器人的，它不仅需要高速移动，还要和人激烈对抗，这对机器人的感知能力、决策能力和运动能力要求极高，甚至可以说它是个试金石。以前大家想在这种场景里让机器人实时做决策、做出复杂动作非常难，算是行业的核心难题。LATENT算法就是这个问题的解决之道，它让机器人第一次成功地在网球比赛中连续回球，填补了行业空白。LATENT全名叫Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data，是银河通用和清华大学合作的成果。这个算法和以前不一样，它没有依赖昂贵的高精度设备去录制专业运动员的数据。相反，它用普通人日常运动的动作数据来训练机器人，因为这样成本低而且容易获取。通过算法筛选整合这些数据，团队给机器人搭建了一个“运动小脑”，它能让机器人协调全身动作并自主学习技能。 比如当球飞过来的时候，“运动小脑”就能让机器人快速调整步伐准备击球，还能根据球速调整挥拍力度。此外还有“运动技能空间”和“隐空间动作屏障(LAB)”，它们帮助机器人把零散的动作整合起来形成连贯的技能组合。训练时加入随机扰动能帮助机器人自己优化动作细节，让它击球更精准流畅。而LAB则防止了机器人用一些机械的动作去勉强击球，保证了它的动作既灵活又自然。这个算法的成功不仅让机器人能稳定打球，还让它的动作像人类运动员一样流畅自然。 现在这个算法已经推动了人形机器人运动控制技术的进步，让机器人从单纯的机械模仿转向智能决策。如果有别的研究者也想开发类似的技术，这个项目可以给他们提供很多参考价值。