期货开户配资APP下载「AstraTennis」时刻：机器人在全球直播中打了一场真正的网球

作者｜李苏

编辑｜郑玄

一场特殊的网球比赛，一次数字智能向物理智能的跨越。

人形机器人挥出第一拍之前，没有人确定它能不能接住对面飞来的球。

事实上，球贴着边线飞来，机器人横移数步挥拍回击，球落在界内。它接住了，比赛继续。

这是 8 月 22 日第二届世界人形机器人运动会上的真实场景。开幕式网球表演赛上，一台人形机器人在全球直播镜头下，与网坛顶尖运动员展开全自主对抗。

发球、正手、反手、接发、底线调动、网前截击，整套动作连贯流畅。双打环节，它与人类队友实时协作，根据场上局势调整战术。高速攻防中，它跑过大半个球场完成极限救球，摔倒后还能自主站起。

这是全球首次人与机器人的大型赛事直播，做出这款机器人的公司叫做银河通用——这也其被定义为 AstraTennis 时刻。

很多人恍惚想起十年前，AlphaGo 在棋盘上战胜李世石，彼时，人工智能在数字世界的复杂博弈中抵达顶峰。但那时候，还仅仅是人脑和机器之间智力的对决。

堪堪十年光景之后，机器人在另一个真实的赛场上接住了世界名将的回球——数字智能开始向物理智能延伸。

支撑这场表演赛的，是银河通用自主研发的具身智能大模型银河星脑，以及核心技术平台银河星坊。值得注意的是，银河星脑全球首次将大脑、小脑与神经控制集于一模。银河星坊则负责将不完美的人类数据转化为训练供给，驱动机器人在虚拟网球世界中通过千万次多智能体博弈对练实现技能涌现，再迁移至物理赛场。

事实上，这场表演赛的价值已经远超科技展示。这也意味着，已经有企业将具身智能带入真实的人类世界，并且能够完成复杂且激烈的体育竞技。

一场真正的比赛

过去，人形机器人的公开展示通常围绕行走、跳舞和简单的预设动作展开。这类演示可以体现机器人的身体结构和基础控制能力，但动作路径相对明确，环境变化也比较有限。但这确实构成了人们对机器人身体的常规认知。

网球比赛的情况完全不同。机器人面对的每一个来球，都可能有不同的速度、方向和落点。它不能提前固定下一步动作，只能根据现场信息不断调整。

在这场特殊的比赛中，银河通用机器人展现出的，是接近真实运动员的完整能力。

发球环节，它能够完成标准发球动作，抛球高度和击球节奏与人类选手接近。面对来球，正手、反手击球自然连贯，没有明显的停顿或机械感。底线拉锯中，它根据对手位置控制回球落点，深球压底线，浅球调角度。机会出现时，它会果断向网前移动，改变击球方式，完成截击。

这些动作需要多个环节同时配合。而动态能力更能说明问题。面对压向底角的来球，机器人横向移动，通过小碎步调整身体姿态，完成躯干转动和挥拍击球。面对刁钻落点，它跑过大半个球场完成极限救球。即便在高速运动中失去平衡摔倒，也能够自主重新站起，继续比赛。

这种运动鲁棒性，说明机器人已经能够应对真实环境中不可预期的物理扰动。它不是按照预设轨迹在表演，而是在一个充满变量和对抗的开放场域里，实时处理来自对手和环境的挑战。

双打环节的表现则超出了单纯的动作执行。机器人没有按照固定程序击球。它与人类队友实时协作，观察来球方位，根据队友位置和对手变化完成战术配合。单打中独立组织攻防，双打中参与战术博弈，它的角色从单纯的击球执行者，转向能够参与比赛决策的一员。这意味着它理解了双打的基本逻辑：空间分配、攻防转换、队友意图的预判。

此外，机器人不存在人类运动员常见的心理波动。无论比分领先还是落后，不会出现焦虑或急躁，始终专注于下一球的处理。这种稳定性在竞技体育中构成了独特的优势。人类选手在关键分上可能出现技术变形，而机器人始终保持一致的决策标准和动作精度。

一场比赛下来，机器人展现的已经超出动作层面的拟人，覆盖了感知、决策、运动控制和实时博弈的完整比赛能力。

网球之所以成为验证具身智能的合适场景，正是因为它同时考验多种能力——来球速度快，留给判断的时间极短，以及深度考验感知系统。更为关键的是，整场比赛是持续的动态博弈，考验实时对抗能力。

能够做到的机器人，已经很难说它只是一个展示用的机械装置了。

机器人如何学会打球

支撑赛场表现的是银河通用自主研发的具身智能大模型银河星脑。按照公司的介绍，他们将大脑、小脑和神经控制放在同一套模型架构中，分别处理比赛理解、动作规划和身体执行。

现在看来，三者的分工相对清晰。

大脑负责理解比赛、组织攻防、判断如何与队友协同，解决的是策略层面的问题，也就是思考怎样才能赢下比赛。它需要处理的信息包括来球方向、速度和落点，对手的位置和习惯，以及双打中队友的站位和意图。基于这些信息，大脑决定采用什么击球方式、将球打向哪里、下一步如何组织攻防。

小脑负责把决策转化为毫秒级全身协调的流畅动作。网球击球发生在极短的时间窗口内，机器人需要在高速跑动中完成全身动态平衡，让双腿、躯干、手臂乃至腕部形成高度协同。通过小脑驱动，机器人的动作不再是机械、割裂的指令执行，而能够呈现出更加拟人、流畅、高动态的运动状态。

而神经控制则连接决策与执行，确保信息传递的实时性和准确性。

但比大小脑协同更关键的问题是，机器人从哪里学会这些能力。传统机器人训练依赖高质量遥操作数据，即由人类操作员遥控机器人完成动作，再将数据用于训练。这种方法在工业场景中尚可应用，在网球场景中几乎不可获得——没有人能够长时间以遥操作方式控制人形机器人完成高水平的网球动作，数据采集的成本和难度都超出了实际可行的范围。

银河通用选择了一条不同的路。

其核心技术平台银河星坊承担了两项功能。一是将不完美的人类数据转化为机器人可学习的高质量训练数据，解决真实世界数据采集困难的问题。二是在高精度虚拟环境中持续生成不同球速、落点和对手条件下的训练任务，完成真实世界到虚拟环境的转化。

银河星坊构建了一个虚拟网球世界，在其中可以设定不同的球速、落点、旋转和对手条件，为机器人提供持续、且丰富可控的训练场景。机器人在模仿人类的基础上，通过千万拍试错学习高爆发跑动与连续击球控球。进一步通过多个智能体相互对练博弈，涌现出更高层的策略与技战术。

如果换算下来，机器人在虚拟世界中积累的训练时间，相当于人类日夜不息连续打了数十年网球。

最终需要攻克的还有从虚拟到真实的鸿沟。虚拟环境是理想化的，没有真实世界的地面摩擦不均、光线变化、风力干扰和设备噪声。银河通用通过技术手段，让机器人在虚拟世界中习得的技能，能够迁移到充满不确定性的真实赛场。这意味着机器人在虚拟环境中不仅学习了动作本身，还学习了如何应对变化和不完美。

如今看来，这与 AlphaGo 构成了跨越十年的技术呼应。这套训练方法与 AlphaGo 的自我博弈有相似之处，但又有明显差异。

AlphaGo 在封闭数字棋盘上通过自我博弈提升棋力，面对的是静态且规则明确的、信息完整的棋局。AstraTennis 将博弈智能推入真实物理世界，其所需处理的情况显然更复杂——高速运动且需要瞬间作出反应——智能不再止步于思考。

从棋盘到球场，场景变化之间，人工智能确实已经跨越新的能力边界。

数据门槛被打破之后

AstraTennis 时刻对具身智能行业的深层影响，首先体现在训练数据范式的转变。

长期以来，具身智能难以走出实验室的核心瓶颈之一，就是训练数据的获取。

传统方法依赖高质量遥操作数据，需要人类操作员逐帧控制机器人完成目标动作，采集成本高、周期长，场景也颇为受限。一家机器人公司如果要让机器人在家庭中完成叠衣服、洗碗、整理书架等任务，需要雇佣大量操作员，花费数月时间采集数据，且每次进入新场景都要重新采集。这种模式决定了具身智能在过去几年里始终停留在小范围演示阶段，无法规模化。

银河星坊的核心突破在于证明，从不完美的人类数据中学习，并在虚拟环境中通过多智能体博弈实现技能涌现，这条路是通的。

机器人在虚拟世界中积累的训练时间相当于人类连续打数十年网球，最终成功迁移到充满噪声的真实赛场。这意味着训练数据不再依赖完美的真人示范，数据获取的门槛和成本也可以被大幅降低。

对于整个行业而言，这改变了此前的成本结构和商业化节奏。当数据不再是稀缺资源，具身智能的迭代速度会显著加快，更多场景的应用将变得经济可行。

事实上，银河星脑架构的产业化价值同样值得关注。集于一模的架构并非简单的模块整合。它意味着机器人可以在单一系统内完成局势理解直至身体执行的全流程，不需要在不同系统间切换和适配。

具身智能最终一定会彻底走向进入家庭、工厂、医院等新场景，这种设计对后续规模化落地至关重要——工程团队则不需要为每个场景重新搭建架构，只需在统一底座上调整策略层。统一架构降低了跨场景迁移的工程复杂度，为大规模部署提供了技术基础。

从全球竞争格局来看，AstraTennis 是全球首次在大型赛事直播中完成人形机器人全自主对抗，由中央广播电视总台面向全球直播。当海外同行还在展示行走稳定性和单点技能时，中国团队已经在真实赛场上完成了感知、决策、控制、博弈的完整闭环，且是在全球观众的实时注视下。

这种公开验证无疑会提振全球产业的信心，更重要的还有中国原创物理 AI 的国际话语权。银河通用选择在央视全球直播的赛场上接受检验，本身就需要足够的技术底气。

可以预见的是，比赛完成后，银河通用对产业生态的带动同样明显。

当公众和投资者在全球直播中看到机器人与人类运动员完成多拍对打和战术配合，具身智能以可感知的技术现实出现在公众视野中。而接下来的就是资本的加速，以及人才和供应链资源向物理 AI 聚集，并且推动更多场景方愿意开放真实环境供机器人训练。