🐯虎嗅•最新收集於 15m
人形機器人正式進入真實網球對抗
💡人形機器人迎戰職業網球，這是檢驗真實世界具身智能的直接考驗。
⚡ 30-Second TL;DR
有什麼變化
機器人在即時、無劇本的真實競技中，與職業網球選手正面對抗。
為什麼重要
真實運動為具身智能提供了高難度基準，因為它同時結合快速感知、連續控制、不確定動力學與對抗式互動。若這類系統能夠穩定複現，機器人開發者將獲得比編排式展示更有價值的評測目標。
下一步行動
建立一個模擬到真實的網球評測基準，記錄球體追蹤延遲、跑位誤差、揮拍時機與回合成功率。
誰應關注：Researchers & Academics
關鍵要點
- •機器人在即時、無劇本的真實競技中，與職業網球選手正面對抗。
- •完成比賽需要整合感知、決策、移動、跑位與揮拍控制的完整閉環。
- •這場展示凸顯了編排式機器人表演與可靠真實世界具身智能之間的差距。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 9 個來源。
🔑 增強重點摘要
- •該機器人名為「ET1」，由北京銀河通用機器人（Galbot）與清華大學共同研發。
- •比賽於2026年8月22日在北京國家速滑館舉辦的「第二屆世界人形機器人大會」開幕式上進行。
- •ET1在與前職業網球選手鄭潔的對抗中，創下了超過100個回合連續自主對打的世界紀錄。
- •機器人具備極高的物理韌性，在比賽中發生跌倒後能自動翻身並迅速恢復站立，繼續參與對抗。
- •ET1的發球速度超過每小時100公里，展現了在毫秒級反應時間內處理高速球路的能力。
📊 競品分析▸ Show
| 機器人/系統 | 開發商 | 核心技術特點 | 備註 |
|---|---|---|---|
| ET1 | Galbot (銀河通用) | 自主感知、決策與動態恢復 | 實體網球對抗紀錄保持者 |
| AdaPT | Noitom Robotics | 動作捕捉與職業球員風格模擬 | 專注於模仿頂尖球員運動軌跡 |
🛠️ 技術深入
- 具備具身智能（Embodied AI）架構，實現感知、決策與執行閉環。
- 採用即時視覺追蹤系統，用於預測網球飛行軌跡與落點。
- 整合動態運動規劃算法，支持在無劇本環境下的跑位與揮拍策略調整。
- 具備跌倒恢復機制（Recovery Mechanism），能自動識別姿態並執行起身動作。
🔮 前景展望AI analysis grounded in cited sources
具身智能將從實驗室走向複雜動態服務場景
網球對抗證明了機器人已具備在不可預測的物理環境中進行即時決策與運動控制的能力。
人形機器人運動控制精度將大幅提升
為了應對高速網球對抗，機器人必須在毫秒級時間內完成視覺處理與機械臂揮拍的精準協調。
⏳ 時間線
2026-08
ET1於第二屆世界人形機器人大會與鄭潔進行網球對抗並創下紀錄
📎 來源 (9)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗
每週 AI 簡報
每週一封，可隨時退訂。