Robô chinês aprende a rebater bolas de tênis com 5 horas de dados humanos; veja

Engenheiros da Universidade de Tsinghua e da Universidade de Pequim, em colaboração com a startup Galbot, desenvolveram um sistema de aprendizagem para robôs humanoides capaz de sustentar trocas de bola em tempo real. O método, batizado de LATENT, utiliza fragmentos de movimentos humanos capturados por sensores para ensinar máquinas a executar golpes complexos sem a necessidade de demonstrações perfeitas ou meses de programação manual.

O treinamento baseou-se em um banco de dados de 5 horas de capturas de movimento de jogadores amadores. Em vez de exigir vídeos completos e profissionais, o algoritmo processa sequências curtas de forehands, backhands e deslocamentos laterais. Esses dados alimentam um ambiente de simulação onde o robô pratica milhares de variações antes de ser transferido para o hardware físico. Nos testes práticos, realizados com o modelo Unitree G1, a máquina alcançou uma taxa de sucesso de 90% na devolução de forehands e pouco menos de 80% nos backhands.

Para viabilizar a prática em quadra, o robô de 1,5 metro de altura recebeu um adaptador impresso em 3D no braço direito para segurar uma raquete de tamanho padrão. O sistema de controle opera com reações na casa dos milissegundos, processando a trajetória da bola e ajustando a posição das 29 articulações do humanoide simultaneamente. Diferente de lançadores de bola automáticos, que operam em trajetórias fixas, o G1 utiliza câmeras de captura de movimento com frequência de 360 Hz para prever o ponto de impacto e coordenar o equilíbrio das pernas durante o golpe, permitindo que ele se desloque para alcançar bolas fora de seu raio de ação imediato.

Introducing LATENT: Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data

Dynamic movements, agile whole-body coordination, and rapid reactions. A step toward athletic humanoid sports skills.

Project: https://t.co/MFy2NIOsrn

Code: https://t.co/A7B5H8PIBh

Ver publicacao incorporada

— Zhikai Zhang (@Zhikai273) March 15, 2026

A abordagem resolve um gargalo da robótica: a transição entre o ambiente virtual e o mundo real. Ao treinar a inteligência com dados imperfeitos e variados, os pesquisadores criaram um sistema que ignora ruídos e imprecisões sensoriais comuns em ambientes abertos. O resultado é um movimento que mimetiza a fluidez humana, distanciando-se da rigidez mecânica de modelos anteriores e abrindo caminho para o uso de humanoides como parceiros de treino de alto desempenho.

Fonte: Hardware.com.br