全球首次！机器人迎战网球运动员，极限救球，摔倒光速弹起

允中 发自 凹非寺
量子位 | 公众号 QbitAI

2016年，AlphaGo战胜李世石，让人工智能第一次以一种近乎震撼的方式走进公众视野。

这场被载入AI发展史的人机大战，不仅证明了机器能够在复杂博弈中挑战人类顶尖水平，更成为人工智能迈向新阶段的一个标志性时刻。

十年之后，2026年，属于具身智能的“AstraTennis时刻”已经到来。

8月22日，世界人形机器人运动会盛大开幕。开幕式现场，银河通用机器人受邀参加机器人网球比赛，与网坛顶尖运动员同台竞技，并由中央广播电视总台面向全球直播。

赛场上，人形机器人迎着高速飞来的网球自主跑动、判断、击球，正手、反手、发球、接发、底线调动、网前截击等网球能力悉数展现；

面对人类运动员，机器人完成连续多拍对打，在双打环节与人类队友实时协作，根据场上局势动态调整策略，更在高速攻防中上演极限救球。

这是全球首次通过大型赛事直播，完整呈现人形机器人全自主网球对打。机器人在真实赛场上自主感知、自主决策、自主行动，与人类运动员展开实时对抗和协同博弈。

十年前，AlphaGo走赢了棋盘；十年后，AstraTennis在真实赛场上展现了网坛名宿的网球实力。

从棋盘到球场，从数字世界的复杂博弈到真实物理世界中的感知、决策与行动，人工智能正在跨越新的能力边界。

这是属于具身智能的AstraTennis时刻。银河通用机器人以这一突破，为具身智能刻下了一个属于中国原始创新的标志性时刻。

全能人感网球对打：物理AI第一次走进高速实时博弈

网球之所以成为具身智能最具挑战性的运动之一，在于它同时考验机器人的感知、决策、全身运动控制和实时博弈能力：

高速来球要求机器人在极短时间内完成判断，击球不仅需要精准控制手臂和腕部，还需要双腿、躯干与上肢高度协同；

而真正进入比赛后，机器人还必须根据对手的变化实时调整策略，决定怎么跑、怎么打、把球打向哪里，以及下一分该如何争取。

也正因此，这场全球直播的网球表演赛所呈现的，是人形机器人正在以接近人类运动员的方式完成一场完整的网球博弈。

从动作表现看，银河通用机器人展现出了高度拟人的运动状态：发球、正手、反手、接发等动作自然连贯，在底线、网前、各个底角之间快速移动，面对不同落点不断通过小碎步调整身体姿态，并能在极限情况下完成全场救球。

但比“像人”更重要的是“懂网球”。

银河通用机器人已具备覆盖比赛全过程的通用网球能力——从发球、正反手击球，到底线调动、网前处理、球路与落点控制；从单打中的独立攻防，到双打中的位置配合和战术调整，它能够根据不同赛制和现场局势自主选择击球方式与比赛策略。

这种能力也在赛场的高强度对抗中得到充分体现。面对世界顶尖运动员，机器人能够连续完成多拍对打，并根据对手的击球不断调整自己的行动，思考如何创造得分机会；

在双打比赛中，它还能够与人类队友实时协作，根据队友位置和对手变化完成战术配合，将机器人从“击球者”变成真正参与比赛博弈的一员。即便在高速运动中失去平衡、意外摔倒，它也能够自主重新站起并继续比赛，展现出面向真实环境的运动鲁棒性。

更值得关注的是，机器人不会遇到人类运动员常见的心理波动。无论比分领先还是落后，它不会焦虑、不会急躁，也不会因失误而影响后续判断，而是始终专注于下一球怎么打、下一分怎么争取。

因此，直播镜头下最令人惊叹的，是银河通用机器人已经展现出一个真正网球运动员应有的完整能力：会打不同的球，会跑动和救球，会根据比赛选择策略，会与人类协同，也会在一场真实对抗中思考如何赢下比赛。

从AlphaGo到AstraTennis：AI开始挑战真实世界的复杂博弈

十年前，AlphaGo走上棋盘，突破的是人工智能如何在数字世界中面对极其复杂的博弈，并最终战胜人类顶尖棋手；十年后，AstraTennis走上球场，面对的则是一个更加动态、更加开放、更加不可控的真实世界：

高速飞行的网球、不断变化的球路、实时变化的对手，以及一具必须同步完成跑动、平衡、挥拍和击球的人形身体。

十年前，AlphaGo走赢了棋盘；十年后，AstraTennis接住了更难的网球。

这其中发生的变化，是人工智能正在跨越从“数字智能”到“物理智能”的边界。过去，AI可以在屏幕中理解信息、进行推理、完成决策；今天，它开始拥有身体，并把这种智能带入物理世界，在连续变化的环境中感知、判断、行动和博弈。

因此，AstraTennis验证了一个更大的命题：人工智能能否真正进入物理世界，并以一个具身智能体的方式完成复杂的运动或任务。

网球正是对这一命题极具挑战性的验证。它要求机器人同时具备高水平的感知、决策、运动控制和实时博弈能力，要求这些能力在真实世界中形成统一闭环。

它更代表着具身智能领域一次真正意义上的原始技术创新：

从机器人“大脑”对任务的理解与决策，到“小脑”对身体的实时控制，银河通用围绕具身智能最核心的问题，形成了自主探索的技术路径，并将这些能力集中验证在一个足够复杂、足够接近人类真实智能活动的任务中。

这也是AstraTennis时刻的真正价值：中国自主研发的物理AI，第一次在这样一个高速、开放、实时对抗的真实场景中，展现出匹敌人类的完整智能能力。

大小脑结合，AstraTennis背后的技术跃迁

网球是一项同时把“思考”和“行动”逼到极限的运动：机器人既要理解比赛、做出决策，也要在高速对抗中让身体精准执行。

支撑这一切的，是银河通用自主研发的具身智能大模型银河星脑（AstraBrain），全球首次将大脑、小脑、神经控制集于一模。

在银河星脑的体系中，“大脑”负责理解和决策：机器人需要判断来球方向、速度和落点，结合对手的位置和比赛局势，决定采用什么击球方式、将球打向哪里，以及下一步如何组织攻防；

在双打和人机协作中，它还需要理解队友和对手的状态，根据现场变化进行实时战术调整。换句话说，由它来思考“怎样才能赢下比赛”。

而“小脑”解决的，是如何把这些决策变成身体动作。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调，以足够的爆发力和精准度完成挥拍。

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。

但仅仅拥有大小脑协同，还不足以让机器人达到这样的水平。更关键的问题是：机器人究竟从哪里学会这些能力？

这也是银河通用此次技术突破更深层的地方——银河星脑可以从不完美的人类数据中学习，并在虚拟网球世界中让机器人通过千万次的人类先验进行学习、反思，同时进行多个智能体博弈、对练，使机器人实现技能的涌现，并迁移至物理世界。

而银河通用核心技术平台“银河星数”一方面能够将不完美的人类数据快速转化为大量高质量训练数据，让机器人从人类经验中高效学习；

另一方面，它可以在虚拟网球世界中源源不断地生成各种高质量数据，为机器人提供持续、丰富的训练供给。

从最基础的回球开始，机器人逐步掌握连续击球、底线调动、落点控制等能力，并与不同水平的智能体持续对练、博弈，在虚拟世界中完成远超现实条件的技能积累。

某种意义上，这也是AstraTennis与AlphaGo之间最有意思的技术呼应。

AlphaGo通过海量棋局学习和自我博弈不断提升棋力；而银河通用则将能力带进了物理世界。

机器人面对的不再是棋盘上静态的黑白棋子，而是高速运动、充满不确定性的真实物理世界，需要同时解决感知、决策、运动控制和复杂物理交互。

当机器人能够在真实赛场上自主完成一场复杂的运动博弈，真正被打开的，是具身智能更广阔的可能性。

今天，机器人在球场上面对的是高速飞来的网球、不断变化的对手和瞬息万变的比赛局势；而走出球场之后，银河星脑将面对的，则是更加复杂、更加开放，也更加接近每个人真实生活的物理世界。

在家庭里，它需要理解人的需求，完成持续变化的服务任务；

在工厂里，它需要适应不同的工序、环境与协作关系；

在医院、零售和更多公共服务场景中，它同样需要面对无法被提前穷举的真实情况，并根据环境变化自主做出判断和行动。

这些任务与网球看似完全不同，但背后指向的是同一个核心问题：当智能真正拥有身体，它能否理解这个世界，并在这个世界中持续行动。

银河星脑给出的，是一个来自真实赛场的答案。

从一颗高速飞来的网球开始，银河星脑完成了对感知、决策、行动与博弈能力的一次集中验证。而未来，当这种能力走出赛场，进入家庭、工厂、医院以及更多真实场景，具身智能所改变的，也将不只是一场比赛。