Noitom Robotics 在發布 HiPHI 動作資料集兩天後，便教導類人型機器人掌握專業網球打法

發布動作資料集兩天後，Noitom 讓類人型機器人登上網球場

8月21日（週五），Noitom Robotics 與一組研究合作夥伴共同發布了 AdaPT 系統，該系統能教導類人型機器人以職業網球選手的風格進行對打與發球，並在真實硬體上執行這些擊球動作。 這項公告發布於該北京公司於世界機器人大會上公開釋出「HiPHI」——迄今為止公開發布的最大型高精度人體動作資料集之一——的兩天後，同時也距離將於日本福岡舉行的「RO-MAN 2026」人機互動研討會開幕僅剩一週，而這項研究成果也將在該會議上發表。

這一切的脈絡正是關鍵所在。 Noitom 的核心業務是動作數據，而 AdaPT 則證明了這些數據能在數天內（而非數月）轉化為實質的肢體技能。網球是一項極具參考價值的測試，因為它會嚴苛考驗人形機器人所有不擅長的環節：快速的全身協調能力、針對非機器人投擲物體的時機掌握，以及揮拍後恢復平衡的能力。

AdaPT 的運作原理

AdaPT（全稱為「自適應動作規劃與追蹤」Adaptive Motion Planning and Tracking）透過學習職業選手的錄影，掌握對打與發球的動作，並在實體類人型機器人上重現這些動作。 該系統由 Noitom Robotics 攜手上海人工智慧實驗室、Dobot Robotics 及上海交通大學共同開發，研究團隊表示相關論文、程式碼及影片均已發布於專案頁面。

該系統重現的打法風格十分具體。研究團隊表示，系統是透過公開的轉播畫面，學習了拉斐爾·納達爾、羅傑·費德勒和諾瓦克·喬科維奇這三位職業選手的獨特擊球動作，此外還透過動作捕捉設備，擷取了第四位職業選手的打法風格。 該方法已在兩款機器人上經過驗證：其一是 Unitree G1——這款緊湊型類人型機器人已成為中國的研究標準平台；其二是全尺寸的 Dobot Atom——這款類人型機器人來自深圳協作機器人製造商 Dobot，該公司亦是本研究的共同作者。

對於實際部署而言，最關鍵的細節在於發球示範。該團隊報告指出，僅需一台攝影機和一款消費級追蹤器，便能在真實環境中進行發球示範，無需動畫捕捉工作室。 一款能夠在實驗室外、僅憑商用級感測設備便執行已學習之全身技能的人形機器人，正是每家工廠和物流採購方真正期待的，即使他們對網球毫無興趣。

影片風格轉移的運作原理

該團隊所描述的處理流程遵循了人形機器人動作學習中已成標準的模式，但有一項不尋常的輸入。首先將選手的轉播畫面轉換為選手隨時間變化的身體動作估計值，此步驟必須處理鏡頭切換、角度變化，以及球網和其他選手造成的局部遮擋。 接著，將重建的動作重新映射到機器人身上——其四肢長度、關節活動範圍及質量分布皆與人類運動員不同。最後，透過模擬環境中的強化學習來訓練控制器，使其在維持機器人平衡的同時追蹤重新映射的動作，而在對打情境中，還需對來球做出反應。

每個階段都會造成精確度的損失，而該研究團隊為此系統命名的「自適應動作規劃與追蹤」（Adaptive Motion Planning and Tracking），正顯示出其聲稱取得進展之處：在於將計畫適應於機器人與情境，而非單純重現固定的軌跡。 預先在 HiPHI 系列資料上進行訓練的動作基礎，為控制器提供了關於人體整體運動應有樣貌的先驗知識，從而使從電視畫面中提取的稀疏且帶有雜訊的訊號無需承擔全部負擔。

在兩台截然不同的機器人上進行驗證，是另一項值得注意的選擇。Unitree G1 高約 1.3 公尺，重量輕巧，因此即使進行劇烈的擺動動作也能從容應對；Dobot Atom 則是一台全尺寸類人型機器人，不僅需要控制更大的質量，還能利用更長的動作範圍。這項技能在兩者之間轉移時，僅需適度的

重新校準的現象證明，這種方法確實是在學習關於網球的知識，而非僅僅針對某一台機器人。

背後的數據

AdaPT 的動作基礎模型，是基於 Noitom 所稱的「HiPHI 系列」中的一部分數據進行預訓練的。 8月19日公佈的 HiPHI 公開資料集包含 617.5 小時的資料，其中 371.8 小時為人體全身動作，245.7 小時為人機互動， 這些資料由 132 位表演者提供，採用 90 Hz 頻率的亞毫米級標記點追蹤技術錄製。該資料集託管於 Hugging Face 平台，採用開放研究授權；商業授權則透過該公司的 ModalityNet 平台提供。另一個規模大得多的資料集 HiPHI-MOV 則僅限商業授權。

Noitom 創辦人兼執行長崔斯坦·魯奧利·戴（Tristan Ruoli Dai）在發布該資料集時，闡述了已成為公司核心論點的主張：物理人工智慧的瓶頸不在於數據量多寡，而在於機器實際能從中學習多少。 該公司研發總監雷漢表示，覆蓋範圍、每幀畫質以及物體狀態，共同決定了人形機器人能否從動作數據中學習。AdaPT 正是該公司試圖在同一週內，透過硬體公開驗證此論點的嘗試。

數據經濟學

Noitom 的發布策略與其他數據密集型領域中行之有效的模式如出一轍：先發布一個龐大且高品質的開放子集，以推動研究並確立標準；再將規模更大的商業數據集授權給需要大規模處理的企業。 對於公開可用的動作資料集而言，HiPHI 的 617.5 小時已屬可觀，特別是在亞毫米級精度的情況下；但該公司聲稱每年為商業合作夥伴生產超過 100,000 小時的資料，這清楚表明了其商業模式所在。 開放資料集用來建立聲譽並累積研究引用；商業資料集則用來支付動作捕捉工作室的營運成本。

對機器人製造商而言，這種區分引發了一個老生常談的問題：一個基於專有動作數據集訓練的基礎模型

這對取得授權者而言是一項優勢，對以此為基礎進行開發者而言則是一項依賴。那些採用 Noitom 數據作為基礎、並結合自身技術進行開發的公司，勢必會想了解衍生模型的授權條款，而這一點在公告中並未說明。

為何選擇網球，又為何選在此刻

類人型網球的研究歷史雖短，但發展十分活躍。 今年稍早，另一支中國學術團隊展示了一台 Unitree G1，它在學習了不完美的動作後，能夠與人類進行網球對打；而這項運動技能基準測試，已成為動作學習研究團隊展示進展的一種方式——這是工廠示範無法呈現的：在單一任務中展現速度、時機掌握以及全身的運動能力。

AdaPT 的獨特之處在於能從廣播影片進行風格轉移。透過電視畫面學習特定球員的正手擊球動作，而非在攝影棚中穿著動作捕捉服進行學習，這意味著該流程能利用現存關於幾乎所有人類活動的龐大普通影片資料庫。 若這種轉移具備穩健性，相同的方法亦可應用於倉庫工人的搬運技巧或技術人員的組裝動作——這些動作是透過手機而非實驗室設備所捕捉的。這正是網球影片背後蘊含的商業論點。

時機的選擇也是經過深思熟慮的。IEEE 機器人與人機互動通訊會議（RO-MAN 2026）將於下週在福岡開幕，在會上展示這套可運作的系統，能讓研究成果直接呈現在將對其進行評鑑的學術界面前。 先發布資料集、接著發布技能模型、最後發表論文，這樣的順序旨在證明 Noitom 的資料正是實現這一切的基礎層。

關於 Noitom

Noitom 是一家總部位於北京的動作捕捉公司，其慣性捕捉系統在電影、遊戲及運動分析領域已有十多年的應用歷史。 身為 HiPHI 與 AdaPT 背後的開發單位，Noitom Robotics 已將這項捕捉能力重新定位，成為所謂「物理人工智慧（physical AI）」之全模態數據的供應商。該公司表示，每年為商業用途產出超過 100,000 小時的動作數據

該公司與合作夥伴共同維護三個語料庫：HiPHI-MOV、HiPHI-OM 以及一個真實世界語料集。 該公司在 AdaPT 專案上的合作夥伴為此研究提供了學術與硬體層面的公信力：上海人工智慧實驗室是中國資金最充裕的人工智慧研究機構之一，上海交通大學是頂尖的機器人學重鎮，而 Dobot 則提供了全尺寸類人機器人。

尚待釐清之處

這份公告著重描述功能與示範，而非基準測試數據。研究團隊尚未公布對打時長、成功率、發球速度，或是真實環境發球所需的嘗試次數；而這些數據正是區分「令人信服的影片」與「可重現結果」的關鍵。待論文發表後，應會提供這些數據。

另有兩項問題尚待釐清：兩台機器人在無需重新訓練的情況下，技能能有多少程度相互轉移，這將是檢驗其動作基礎是否具通用性，抑或僅針對特定平台進行調校的關鍵；此外，當應用於拍攝品質不如職業網球賽事（其鏡頭角度與選手身分均具一致性）的活動時，這套電視轉播影像處理流程能否維持同樣表現，將決定其商業應用前景能否超越體育領域。

產業背景

今年，人形機器人產業的重心已從硬體發布轉移到使硬體發揮實用價值的數據與模型上，而世界機器人大會上，數據供應商、模擬平台和動作資料庫紛紛競相成為每家機器人製造商不可或缺的基礎層。 Noitom 的策略是像地圖公司擁有道路資料那樣，掌握高品質的人體動作資料：大規模收集、商業授權、公開釋出足夠的資料以滋養研究社群，並向公眾展示其有效性。

AdaPT 正是這項實證。這種做法能否站得住腳，將在下週的福岡見分曉，隨後則取決於那些較不具視覺吸引力的環境——在這些環境中，類人型機器人必須靠實際表現來證明自身價值。

圖片：Dobot Atom 類人型機器人，這是 AdaPT 經過驗證的兩個平台之一。圖片來源：

Dobot。

免責聲明：本文僅供一般資訊參考之用，不構成任何投資、法律或採購建議。讀者應在做出商業決策前，向原始來源核實相關細節。