诺亦腾机器人发布AdaPT框架，让人形机器人学习职业网球技能。该框架基于HiPHI数据集预训练，结合高精度动作捕捉数据，在宇树G1和越疆Atom上实现发球与对打。无需专用动捕环境，仅靠单目相机即可复现职业选手风格，相关成果将亮相RO-MAN 2026。
AdaPT实现人形机器人职业网球技能
在发布HiPHI开源数据集仅两天后，诺亦腾机器人（Noitom Robotics）携手上海人工智能实验室、越疆机器人与上海交通大学，正式发布人形机器人专业网球技能学习框架AdaPT（Adaptive Planning and Tracking）。作为人形机器人专业运动技能系列研发的首个概念验证成果，AdaPT不仅能让机器人“会打网球”，更能通过自适应规划与跟踪机制，在真实硬件上复现职业选手的运动风格。
相关研究成果将于下周在福冈举办的IEEE国际机器人与人类交互会议（RO-MAN 2026）上正式亮相。目前，该项目的学术论文、源代码及演示视频已同步上线。
核心技术原理：视频与高精度数据的融合
AdaPT的核心突破在于解决了机器人从“看视频”到“学动作”的难题。互联网上虽有大量网球比赛视频，但仅凭视觉信息难以获取精确的运动状态和物理参数。为此，研究团队采用了“视频+高精度动作数据”的融合策略：
- 基础模型预训练：利用公开发布的HiPHI数据集相关子集，以及规模更大的可授权HiPHI-MOV语料库，对运动基础模型进行预训练，使其接触丰富的人体运动模式。
- 高精度数据校正：利用高精度动作捕捉数据对视频中的运动进行重建和校正，并加入专业运动员的动作捕捉数据。这种结合让大规模视频数据具备了可学习性，使模型能更准确地理解动作细节。
- 风格迁移学习：从同步发布的学术论文中可知，团队提取并学习了Rafael Nadal、Roger Federer和Novak Djokovic三位职业选手的不同打法，并在机器人上呈现出相应的运动风格。
实验表明，随着高质量动作数据规模的扩大，模型的稳定性与性能均得到显著提升。诺亦腾机器人CEO戴若犁博士指出，这正是提出“World Compiler”概念的初衷：让真实世界的数据真正变得可学习。
硬件验证：宇树G1与越疆Atom的实战表现
AdaPT已在两种不同规格的人形机器人上完成技能验证，展示了其广泛的适用性：
- 宇树 G1：紧凑型人形机器人，成功完成发球与对打动作。
- 全尺寸越疆 Atom：全尺寸人形机器人，同样实现了稳定的网球技能操作。
在真实场景中，机器人仅依靠单目相机与消费级追踪设备即可完成发球，无需搭建专用的动作捕捉环境。这一突破极大地降低了技术门槛，证明了该框架在实际应用中的可行性。
开源生态与未来展望
诺亦腾机器人研发总监韩磊博士表示，网球只是第一步。未来团队希望将这套方法拓展到更多专业运动技能，并期待与更多机器人本体企业和职业运动员合作，让机器人学习不同项目、不同运动员的动作和风格。
目前，HiPHI数据集仍可在Hugging Face平台公开获取，商业数据授权（包括HiPHI-MOV语料库）可通过ModalityNet办理。诺亦腾机器人将于8月24日至28日出席在福冈举办的RO-MAN 2026会议，进一步展示其技术进展。
总结
AdaPT框架的发布标志着人形机器人在专业运动技能学习领域迈出了关键一步。通过HiPHI数据集与高精度动作捕捉数据的深度融合，机器人不仅掌握了网球技能，更学会了职业选手的运动风格。这一技术突破为未来机器人在更多复杂运动场景中的应用奠定了坚实基础。
以上就是诺亦腾发布AdaPT实现人形机器人专业网球技能学习的详细内容，更多关于人形机器人技术发展的资料请关注本站其它相关文章！
