新智元报道

机器人的 AstraTennis 时刻，来了。

8 月 22 日，二届世界人形机器人运动会开幕，中央广播电视总台面向全球直播。

当镜头扫过赛场，全场的呼吸仿佛都停滞了。

球网两侧，边是人类网球名将，另边，是台人形机器人。

这刻，标志着技术创新迎来足以载入史册的具身智能奇点。

全球场真正意义上的人机网球对战，正式开！

世界次人机对战网球赛

上来，就是精彩的人机混网球双。

令人意外的是，银河星仔的表现非常精彩：它步法矫健，根据需要迅速前后移动，得十分流畅。

而且，星仔和人类搭档非常默契地形成了前后的站位，全力应战对面的对手。

接下来，由网球名将郑洁和银河通用机器人，开展了全世界次人机对战的网球单比赛。

论是正拍还是反拍，机器人都和人类得有来有回。

然后，郑洁决定上点难度，出个月亮球。

结果，在被对手左右调动的过程中，机器人不小心摔了个四脚到底。

出乎意料的是，下秒，它居然立刻调整姿势站了起来。

而面对郑洁的切削和旋转，机器人的判断居然也很不错。

终于，郑洁知道不能放水了，开始左右前后分点调动，机器人出人意料地完成个精彩的跨步，赢得现场喝彩。

比赛结束，机器人的表现让所有人欢呼。

整场比赛里，屈膝、抛球、转体这些动作全都由人形机器人自己完成。

而且，发球时速达到百多公里，留给它的反应时间只有点几秒，它却几乎没有掉链子。

这台机器人，正是来自银河通用。

十年前，AlphaGo 赢了李世石。十年后国产机器人与网坛顶运动员同台竞技。

如果说 AlphaGo 证明 AI 能征服数字世界，那么今天，银河通用的国产机器人证明：AI 能扛住物理世界的限压力测试。

它次从代码里站了起来，在真实的对抗中奔跑、挥拍、博弈，甚至摔倒后自己爬起，继续战斗。

如此精彩的具身智能 AstraTennis 时刻，被全球同时见证！

机器人的 AstraTennis 时刻

为什么这场网球赛，能引起全球科技圈的巨大地震？

因为网球，是对具身智能致的压力测试。

由于反应时间只有点几秒，这项运动黄南pvc管道管件胶，同时将机器人的感知、决策、全身运动控制和实时博弈能力逼到了物理限。

而且，网球比下围棋对 AI 来说难得多。

毕竟，AlphaGo 面对的是 19 路网格上 361 个确定的交叉点，对手落子后，它有几十秒甚至几分钟来演下步。

那是数字世界的博弈，解空间虽大，但边界清晰，规则恒定。整个世界是静态的、离散的，AI 对此览余。

虽然这道题的解空间比宇宙原子数还多，但对 AI 而言这也不过是道难度大的「数学题」。

但网球场不样。

球以每小时百多公里的速度过来，落点受旋转、风、场地摩擦影响，每拍的物理参数都不重复。

机器人须在几百毫秒内完成感知、预测、决策、全身协调，同时保持自己不摔倒。对手是活人，会骗机器人，还会变节奏。

这，就是莫拉维克悖论的现场版。

1988 年，卡内基—梅隆大学移动机器人实验室主任汉斯 · 莫拉维克就指出过：「让计机在智力测验或下跳棋时表现出成人水平的表现相对容易，但要赋予它们岁儿童在感知和行动面的技能则困难甚至不可能。」

三十多年过去，前半句早已兑现，但后半句却很难实现。

所以，这次网球赛真正的意义，要远远大于「机器人会不会球」。

它问的是：这次，AI 究竟能不能从数字世界走出来，把感知、决策、运动控制和实时博弈在真实物理环境里闭环跑通？

AI 不能止步于思考，而是要完成从认知决策到全身执行的完整闭环。

这次，企业率先交卷了！

赛场上，银河通用机器人的表现，实在令人惊艳。

发球、正手、反手、底线调动、网前截击这些单项能力，在比赛里全部出现了，而且全都是常发挥。

而双，考验就大了。

机器人和人类队友同场，要实时判断谁去接这个球、谁补位，动态调整法和。

所以，它要理解的不只是球，还有队友下步想干什么。

速攻里，万能胶生产厂家还出现了限救球的场面。摔倒之后，机器人自己站起来，继续。

很多人反应是：这些单项动作，之前机器人不是做到了吗？

投篮、踢球、跑百米，过去两年人形机器人的里似乎什么都有。

但其中大的差别在于，网球是两个玩在对抗。

跑步的环境是确定的，网球的每拍都是对手临时出的新题。跑步可以个动作练万遍，网球没有两个样的来球。

能在对抗中站住，才是真正的智能。

大脑和小脑，次装在同个模型里

背后支撑这切的，是银河通用自研的具身智能大模型「银河星脑」AstraBrain。

它大的亮点之，就在于架构选择。

过去行业里的主流做法是分层：个「大脑」模型负责理解任务、做层决策，个「小脑」模块负责实时运动控制，两者之间用接口传递指令。

这种架构的弊端也很直接：大脑想得再清楚，传到小脑已经慢了半拍；小脑动作再标准，不知道大脑为什么要它这么动。

隐蔽的问题是信息断层。

大脑下指令的时候，不知道此刻自己的重心压在哪条腿上、右臂还有多少发力余量；小脑执行动作的时候，不知道这拍是想调动对手还是想直接得分。

两边各自优，起来却是个「想得到做不到」或者「做得到想不到」的系统。

在网球这种任务上，稍微慢半拍，结果就是输球。

银河星脑的做法是把大脑层（任务理解与战术决策）、小脑层（动态全身运动控制）和经控制集成在同个模型里。

按银河通用的说法，这是全球个模型能同时负责「想清楚」和「做出来」，中间不再有信息损耗。

从网球这个任务倒，这可能是唯的解法。战术决策离不开对自己身体限的实时感知，运动控制也离不开对战术意图的理解，两者本来就不该分。

从不的人类数据里学

在虚拟球场里对千万次

架构之外的另个问题是：这个模型怎么练出来的？

机器人域的个传统难题就是——没有数据。

语言模型可以吃掉整个互联网的文本，机器人没有这样的互联网。

真机采小时动作数据要小时，还要人盯着，还会摔坏硬件。

这也是为什么过去几年具身智能的进展总是慢于大的预期。

这背后，离不开银河通用核心技术平台「银河星坊」 的支撑。

接下来，分两个步骤。

步，是从「不人类数据」里学。

人类网球的动作数据可以采，动作捕捉、、穿戴传感器都行。

但人类的动作本身不标准，业余选手的确很业余，有多余动作。而职业选手的动作大化个人运动素质，别人做不来，而且每个人的身臂展关节角度都跟机器人对不上。

传统模仿学习要求示范数据干净、对齐、质量，这种要求在人类数据上几乎不可能满足。

银河星坊数据平台要做的，就是从这堆带噪声、不对齐、良莠不齐的示范里提炼出有用的先验：

什么时候该启动，挥拍的大致节奏，身体重心怎么转移，真正学会其中的运动规律。

这步的价值在于冷启动。

机器人不用从随机乱动开始摸索，它上来就大概知道「网球长什么样」。

二部，就是进虚拟网球世界。

在仿真环境里，多个智能体互相对。不是个机器人对着发球机练，而是若干个策略各自演化、互为对手。

学会了压边线，另就被迫学会横向大范围移动；学会了放小球，另就被迫学会快速上网。

在这海量的虚拟博弈中，奇迹发生了——「技能涌现」。

工程师没有教过它怎么滑步救球，但在数次没接到球的失败后，模型自己「悟」了限伸展的姿态。

工程师没有写下倒地后起身的硬代码，但在虚拟世界摔了千万次后，模型自己「学会」了如何调动全身电机重新站立。

技能需手工设计出，在对抗压力下 AI 学会自学。

后，当这些在虚拟世界中练就功的「灵魂」，被损迁移到物理世界的真实机器人躯体中时，个网球大师，就此诞生！

放在整个机器学习的谱系里，这条路走在两个端中间。

纯模仿学习的天花板是示范者的水平，人类教练教不出过自己的学生，而且人类示范里根本没有「摔倒后怎么爬起来继续」这种数据。

纯强化学习从开始探索，在网球这种动作空间巨大、励稀疏的任务上，搜索成本到不现实，而且容易学出些人类看不懂的怪异动作，能赢球，但不像球。

先用人类先验底，再用自主进化拔。

这本身不新，AlphaGo 当年也是先学人类棋谱，再自我对弈。新的地在于，十年前这套法在棋盘上跑通，十年后它次在需要身体的任务上跑通。

某种意义上，这正是 AstraTennis 与 AlphaGo 之间迷人的技术呼应。

AlphaGo 的时代，智能在棋盘上思考；而这次，智能开始进入物理世界。

这不仅是场网球赛。这个 AstraTennis 时刻证明：在碳基与硅基共生的新纪元里，力量，开始创造多奇迹。相关词条:罐体保温施工     异型材设备     锚索    玻璃棉    保温护角专用胶

奥力斯    保温护角专用胶批发    联系人：王经理    手机：13903175735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定黄南pvc管道管件胶，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。