Galbot et Tsinghua devoilent LATENT : un robot humanoide qui a appris le tennis a partir de clips amateurs

Des chercheurs de Galbot (Galaxy General Robotics) et de l'Universite Tsinghua ont devoile LATENT, un systeme novateur qui enseigne aux robots humanoides a jouer au tennis sur un court complet en utilisant uniquement des donnees de mouvement humain imparfaites. Le projet, annonce le 15 mars 2026, represente une avancee majeure dans le domaine de la robotique humanoide sportive et de l'apprentissage par renforcement.

Points cles

• Le robot humanoide a appris le tennis a partir de seulement 5 heures de donnees de capture de mouvement composees de clips courts et fragmentes de frappes amateurs
• Il a atteint un taux de reussite de 90,9 % en coup droit et peut gerer des vitesses de balle superieures a 15 metres par seconde
• Le robot soutient des echanges multi-coups contre des joueurs humains et peut meme echanger avec un autre robot
• Aucune camera embarquee ni modele de vision ne sont utilises ; le systeme repose sur la capture de mouvement externe pour un suivi de balle de haute precision et a faible latence

Comment fonctionne LATENT

LATENT, acronyme de Learning Athletic humanoid TEnnis skills from imperfect human motioN daTa (apprentissage des competences de tennis athletique pour humanoide a partir de donnees de mouvement humain imparfaites), resout l'un des problemes les plus difficiles de l'IA incarnee : enseigner aux robots des competences athletiques complexes et a grande vitesse sans donnees de demonstration parfaites.

Les approches traditionnelles necessitent des donnees de suivi 3D continues et sans defaut de sportifs professionnels lors de matchs reels, ce qui est extremement couteux et difficile a capturer. LATENT contourne entierement cette difficulte en utilisant des clips courts et deconnectes de frappes humaines basiques comme indices de mouvement approximatifs.

Le systeme fonctionne en trois etapes :

1. Construction du cervelet moteur : l'IA utilise les clips humains approximatifs comme base et un simulateur physique corrige les erreurs physiques, garantissant que le robot ne tombe pas pendant la frappe
2. Espace de competences motrices : LATENT cree un espace unifie de competences de mouvement que le robot peut combiner et fusionner pour gerer differents coups entrants
3. Barriere d'action latente (LAB) : un mecanisme de securite qui permet au robot de decider de maniere autonome comment retourner les balles tout en maintenant un mouvement naturel, semblable a celui d'un humain, et un equilibre stable

Pourquoi c'est important

La portee de cette avancee depasse largement le tennis. En prouvant que des donnees humaines desordonnees et fragmentees peuvent etre transformees en mouvements robotiques fluides et hautement dynamiques, cette recherche reduit considerablement la barriere a l'enseignement de taches physiques complexes aux robots.

Auparavant, entrainer un robot pour des activites physiques a grande vitesse necessitait des ensembles de donnees couteux et specialement conçus, enregistres dans des conditions de laboratoire controlees. LATENT demontre que des donnees de mouvement facilement disponibles et imparfaites suffisent, ouvrant la voie aux robots humanoides pour apprendre un large eventail de taches athletiques et dynamiques.

Couverture complete du court

Le robot demontre une agilite remarquable sur l'ensemble du court de tennis. Il peut couvrir les coups larges, ajuster son positionnement dynamiquement et controler ou la balle atterrit dans le camp adverse. La coordination corporelle complete requise pour chaque coup, de l'ancrage des pieds a la frappe de la balle, imite de pres les schemas de mouvement humain naturels.

Et apres

Le projet LATENT s'appuie sur la reputation croissante de Galbot dans le domaine de la robotique humanoide. Le robot G1 de l'entreprise a ete presente lors du Gala du Festival du Printemps chinois 2026, et le fondateur Wang He, diplome de Tsinghua et de Stanford, a positionne l'entreprise a l'intersection de l'IA incarnee et de la robotique pratique.

Alors que les robots humanoides continuent de demontrer des capacites athletiques croissantes, les applications pourraient s'etendre du coaching sportif et de la reeducation physique a la logistique d'entrepot et aux interventions d'urgence, partout ou les robots doivent effectuer des taches physiques rapides et imprevisibles dans des environnements reels.

Source : Recherche Galbot / Universite Tsinghua