Un equipo de investigadores de la Universidad Tsinghua, la Universidad de Pekín y la firma de robótica Galbot presentó LATENT, un sistema de inteligencia artificial que permitió a un robot humanoide aprender a jugar tenis a partir de movimientos humanos fragmentados e “imperfectos”. El experimento se realizó sobre el Unitree G1, un androide bípedo de propósito general que ya se había hecho conocido por realizar coreografías y ejercicios atléticos, pero que ahora es capaz de sostener peloteos reales con personas.
A diferencia de enfoques tradicionales, que dependen de captura de movimiento de alta precisión o de complejos análisis de videos profesionales, LATENT se entrenó con unas cinco horas de clips de jugadores aficionados, registrados en un área mucho más reducida que una cancha reglamentaria. Esos registros sólo recogían las “habilidades primitivas” del tenis, como golpes de derecha e izquierda, desplazamientos laterales y pasos cruzados, sin la pulcritud ni la consistencia de un atleta de élite.
El sistema aprende primero un “espacio de acciones latentes” donde se codifican esas destrezas básicas, y luego entrena una política de alto nivel capaz de combinar y corregir esos movimientos para cumplir el objetivo de devolver la pelota dentro del campo contrario. Gran parte del aprendizaje se realiza en simulación, a gran velocidad, antes de transferir el modelo al robot físico mediante técnicas de “sim‑to‑real” que reducen la brecha entre el mundo virtual y el entorno real.
