Ce robot humanoïde a appris à jouer au tennis en seulement quelques heures

L'enjeu dépasse largement le cadre sportif : l'un des principaux freins au déploiement des robots humanoïdes reste le coût et la complexité de leur entraînement. Obtenir des comportements fluides et adaptés à un environnement dynamique nécessite habituellement des milliers d'heures de données ou de simulation. LATENT remet en cause cette hypothèse en montrant qu'un apprentissage efficace est possible avec très peu de matière.

Le secret du projet tient dans l'exploitation de seulement cinq heures de motion capture enregistrées sur des joueurs humains réels. Ces données de capture de mouvement servent de base pour entraîner le robot à reproduire et adapter les gestes du tennis, frappes, déplacements, coordination, dans un contexte réel. Le nom LATENT fait référence à l'approche d'apprentissage dans un espace latent, permettant une généralisation efficace malgré la rareté des exemples.

Ce type de résultat illustre une tendance de fond dans la robotique humanoïde : l'université Tsinghua s'impose comme l'un des acteurs académiques les plus actifs dans ce domaine, aux côtés de laboratoires américains et de startups comme Figure ou Agility Robotics. Si l'approche data-efficient de LATENT se confirme à plus grande échelle, elle pourrait significativement accélérer l'apprentissage de nouvelles tâches pour des plateformes comme le G1 d'Unitree, dont le prix relativement accessible démocratise déjà la recherche en robotique humanoïde.