该研究提出LATENT系统，通过不完美的人类运动数据学习人形机器人打网球的动态技能。团队来自清华、北大等单位，解决了缺乏完美人形动作数据的问题，使机器人能完成高速对抗性网球运动。

《LATENT：基于非完美人体运动数据学习类人机器人网球技能》

研究团队

由张智凯、卢浩飞、连昀睿等来自清华大学、北京大学、Galbot等机构的研究人员共同完成，李毅教授担任通讯作者。

核心创新

针对类人机器人难以复现职业网球运动员高动态运动的问题，研究团队提出LATENT系统。该系统突破性地利用"非完美"人体运动数据（仅包含网球基本动作片段而非完整比赛动作序列）进行训练，大幅降低了数据采集难度。

技术亮点

1. 提出"准真实数据"概念：即使是不完美的运动片段，仍能提供网球场景下人体基础动作的先验知识
2. 开发数据校正与组合算法，使机器人能够：
   • 在各种条件下稳定击打高速来球
   • 精确控制回球落点
   • 保持自然运动姿态
3. 设计鲁棒的仿真到现实迁移方案

实验成果

在Unitree G1类人机器人上实现： - 稳定完成多回合对打（展示4组连续击球案例） - 具备快速反应步法（展示4种步法调整） - 可适应不同人类对手特点（测试3类选手） - 仿真环境中的自主对抗能力

（注：原文中重复的"Human Player 3"小节已合并，视频演示部分改为文字概括说明）

总结：

1. 对科技进步的惊叹：

   • "we're entering into a Sci-fi era"（我们正在进入科幻时代）
   • "Really impressive. In a few years there will be robotic AI instructors..."（非常令人印象深刻。几年后将会出现为富人服务的机器人教练...）

2. 机器人运动特点观察：

   • "Sharp, unsure movements, a lot of hesitation"（生硬、不确定的动作，很多犹豫）
   • "how did producers guessed it?"（电影制作人是怎么猜到的？）

3. 技术局限性讨论：

   • "it doesn't solve the whole problem yet"（还没有解决所有问题）
   • "Almost all of closed loop robotics is a state estimation problem"（几乎所有的闭环机器人都是状态估计问题）

4. 与其他产品的对比：

   • "Why can some Temu humanoid robot do this...but Tesla Optimus completely sucks"（为什么Temu人形机器人能做到...而特斯拉Optimus却表现糟糕）
   • "train this thing on...folding my clothes...I will send you my money"（如果训练它叠衣服...我会付钱）

5. 未来应用展望：

   • "by next year or 2028 there will be services where you can order a robot..."（到明年或2028年将会有机器人服务...）
   • "By 2029 it should be quite affordable to get a humanoid on a short term rental"（到2029年短期租赁人形机器人应该会很便宜）

6. 运动表现分析：

   • "a nice alternative or evolutionary step for a ball machine"（发球机的良好替代品或进化版本）
   • "It wouldn't need to split-step to activate muscles"（它不需要分步激活肌肉）

7. 技术发展预测：

   • "before the end of summer general purpose physical knowledge...will start to be demonstrated"（在夏季结束前将开始展示通用物理知识...）
   • "Maybe 18 months at the absolute latest"（最多18个月）