Un robot humanoïde qui renvoie la balle au-dessus du filet, enchaîne les échanges et s’adapte en temps réel aux coups adverses : c’est ce que vient de réussir une équipe de chercheurs chinois avec LATENT, un système d’apprentissage déployé sur le robot Unitree G1.
Le projet est le fruit d’une collaboration entre Tsinghua University, Peking University, Galbot (startup d’IA robotique) et le Shanghai AI Laboratory. Il a été présenté cette semaine dans l’édition Video Friday d’IEEE Spectrum, la référence mondiale en robotique.
Apprendre à partir de données imparfaites
La grande originalité de LATENT tient dans son approche de l’apprentissage. Plutôt que de s’appuyer sur des données de capture de mouvement parfaites — coûteuses et difficiles à obtenir dans des scénarios sportifs — le système fonctionne avec des données « quasi-réalistes » enregistrées auprès de joueurs amateurs.
L’équipe a collecté environ cinq heures de fragments de mouvement avec un système de capture compact. Ces données couvrent les gestes élémentaires du tennis : coup droit, revers, déplacement latéral, pas croisés. Imparfaites sur le plan biomécanique, elles suffisent à fournir les patterns fondamentaux.
À partir de ces fragments, LATENT construit un « espace d’actions latent » : une représentation compressée des mouvements possibles que le robot peut interpoler, combiner et adapter selon la situation. L’apprentissage par renforcement se charge ensuite d’optimiser les décisions en simulation à grande échelle, avant déploiement sur le terrain.
96,5 % de réussite en conditions réelles
Les résultats ont surpris même les chercheurs. Sur 10 000 essais, le robot a maintenu un taux de réussite de 96,5 % pour les retours de balles, renvoyant les balles près des cibles définies en forecourt et backcourt. Le système surpasse les méthodes précédentes sur trois critères : précision, taux de réussite et naturalité du mouvement.
Concrètement, le Unitree G1 est capable de soutenir des échanges multi-coups avec de vrais joueurs humains. La balle arrive, le robot analyse la trajectoire, se déplace, frappe et renvoie — sans interruption perceptible.
Le système ne dépend pas de caméras embarquées : il utilise actuellement des marqueurs de capture de mouvement pour localiser la balle et le robot dans l’espace. C’est l’une des limitations reconnues par l’équipe, qui travaille déjà sur une version avec vision active.
Un terrain d’entraînement pour la robotique généraliste
Pourquoi le tennis ? Parce que c’est l’un des défis les plus difficiles pour un robot humanoïde : vitesse de balle élevée (plus de 15 m/s dans les tests), coordination corps entier, décision en temps réel, et maintien de l’équilibre pendant des gestes dynamiques.
Les compétences acquises pour jouer au tennis se transfèrent directement vers des tâches industrielles ou domestiques qui demandent le même type de coordination rapide et précise. L’équipe envisage à terme un cadre d’entraînement multi-agents où des robots s’affrontent entre eux pour atteindre des niveaux proches du jeu professionnel.
LATENT marque une étape dans la démocratisation de l’apprentissage moteur des robots : plus besoin d’infrastructures de MoCap sophistiquées ni de données parfaites. Un système compact, des joueurs amateurs, quelques heures d’enregistrement — et un robot capable de tenir une raquette.
Sources : LATENT project page, IEEE Spectrum, Interesting Engineering
