غالبوت وجامعة تسينغهوا يكشفان عن LATENT: روبوت بشري تعلّم التنس من مقاطع هواة
كشف باحثون من شركة غالبوت (Galaxy General Robotics) وجامعة تسينغهوا عن نظام LATENT، وهو نظام رائد يُعلّم الروبوتات البشرية لعب التنس على ملعب كامل باستخدام بيانات حركة بشرية غير مثالية فقط. يمثّل المشروع الذي أُعلن عنه في 15 مارس 2026 قفزة كبيرة في مجال الروبوتات البشرية الرياضية والتعلم المعزّز.
أبرز النقاط
- تعلّم الروبوت البشري التنس من 5 ساعات فقط من بيانات التقاط الحركة المكوّنة من مقاطع قصيرة ومجزّأة لضربات هواة
- حقّق نسبة نجاح 90.9% في الضربات الأمامية ويستطيع التعامل مع سرعات كرة تتجاوز 15 متراً في الثانية
- يستطيع الروبوت خوض تبادلات متعددة الضربات ضد لاعبين بشريين وحتى التبادل مع روبوت آخر
- لا يستخدم كاميرات مدمجة أو نماذج رؤية؛ يعتمد النظام على التقاط الحركة الخارجي لتتبع الكرة بدقة عالية وزمن استجابة منخفض
كيف يعمل LATENT
يرمز LATENT إلى Learning Athletic humanoid TEnnis skills from imperfect human motioN daTa (تعلّم المهارات الرياضية للتنس للروبوت البشري من بيانات حركة بشرية غير مثالية)، ويحلّ واحدة من أصعب المشكلات في الذكاء الاصطناعي المجسّد: تعليم الروبوتات مهارات رياضية معقدة وعالية السرعة دون بيانات عرض مثالية.
تتطلب الأساليب التقليدية بيانات تتبّع ثلاثية الأبعاد مستمرة وخالية من العيوب من رياضيين محترفين أثناء المباريات الفعلية، وهو أمر مكلف للغاية وصعب التحقيق. يتجاوز LATENT هذا بالكامل باستخدام مقاطع قصيرة ومنفصلة من ضربات بشرية أساسية كتلميحات حركية تقريبية.
يعمل النظام على ثلاث مراحل:
- بناء المخيخ الحركي: يستخدم الذكاء الاصطناعي المقاطع البشرية التقريبية كأساس ويقوم محاكي الفيزياء بتصحيح الأخطاء الجسدية لضمان عدم سقوط الروبوت أثناء الضرب
- فضاء المهارات الحركية: ينشئ LATENT فضاءً موحّداً من مهارات الحركة يمكن للروبوت مزجها ودمجها للتعامل مع مختلف الكرات الواردة
- حاجز الفعل الكامن (LAB): آلية أمان تسمح للروبوت باتخاذ قرارات مستقلة حول كيفية إرجاع الكرات مع الحفاظ على حركة طبيعية شبيهة بالبشر وتوازن مستقر
لماذا يهمّ هذا الأمر
تمتد الأهمية إلى ما هو أبعد من التنس. من خلال إثبات إمكانية تحويل بيانات بشرية فوضوية ومجزّأة إلى حركات روبوتية سلسة وديناميكية للغاية، يُخفّض هذا البحث بشكل كبير عتبة تعليم الروبوتات مهامّاً جسدية معقدة.
سابقاً، كان تدريب روبوت على أنشطة جسدية عالية السرعة يتطلب مجموعات بيانات مكلفة ومُعدّة خصيصاً ومُسجّلة في ظروف مختبرية مُتحكّم فيها. يُظهر LATENT أن بيانات الحركة المتاحة وغير المثالية كافية، مما يفتح الباب أمام الروبوتات البشرية لتعلّم مجموعة واسعة من المهام الرياضية والديناميكية.
تغطية الملعب بالكامل
يُظهر الروبوت رشاقة ملحوظة عبر ملعب التنس بأكمله. يستطيع تغطية الكرات الواسعة وتعديل وضعه ديناميكياً والتحكم في مكان هبوط الكرة في جانب الخصم. التنسيق الكامل للجسم المطلوب لكل ضربة، من تثبيت القدمين إلى الضرب عبر الكرة، يحاكي أنماط الحركة البشرية الطبيعية عن قرب.
ما القادم
يبني مشروع LATENT على السمعة المتنامية لغالبوت في مجال الروبوتات البشرية. ظهر روبوت G1 الخاص بالشركة في حفل عيد الربيع الصيني 2026، ووضع المؤسس وانغ هي، خرّيج تسينغهوا وستانفورد، الشركة عند تقاطع الذكاء الاصطناعي المجسّد والروبوتات العملية.
مع استمرار الروبوتات البشرية في إظهار قدرات رياضية متزايدة، يمكن أن تمتد التطبيقات من التدريب الرياضي والعلاج الطبيعي إلى لوجستيات المستودعات والاستجابة للطوارئ، أي في أي مكان تحتاج فيه الروبوتات إلى أداء مهام جسدية سريعة وغير متوقعة في بيئات العالم الحقيقي.
المصدر: بحث غالبوت / جامعة تسينغهوا
ناقش مشروعك معنا
نحن هنا للمساعدة في احتياجات تطوير الويب الخاصة بك. حدد موعدًا لمناقشة مشروعك وكيف يمكننا مساعدتك.
دعنا نجد أفضل الحلول لاحتياجاتك.