LATENT：机器人从不完美人类数据学网球
用动作碎片构建潜在动作空间，再结合强化学习习得击球策略。
为什么重要
展示了不完整人类动作数据可作为机器人高速运动学习先验。
阅读原文leiphone.com
AI 解读（根据原文生成）
LATENT 是 IROS 2026 上来自银河通用 GaLbot 团队、清华大学、北京大学、上海启智研究院和上海人工智能实验室研究团队的工作，论文题为“Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data”。研究团队从 5 名业余网球选手约 5 小时动作捕捉数据出发，覆盖正手、反手和移动动作，先训练运动追踪器，再压缩为连续 latent action space，作为人形机器人学习网球击球的动作先验，并结合强化学习和仿真组合成策略。原文未说明论文或代码是否公开。
要点（AI 据原文整理，数字均已与原文核对）
- 研究团队找来了5名业余网球选手，在一个约3米×5米的动作采集区域里，记录了大约5小时的人体运动数据。
- 采集动作包括正手、反手，以及侧向滑步、交叉步等移动动作。
- 一个29自由度的人形机器人，并不是只有“挥拍”和“不挥拍”两个选择。
- LATENT先训练了一个运动追踪器，让机器人能够学习人类动作所包含的身体运动模式。
- 研究团队又把这个运动追踪器进一步压缩成一个连续的 latent action space。
