Galbot et Tsinghua : LATENT remporte un prix à l'IROS pour un coup droit de tennis humanoïde

Une équipe réunissant Galbot, l'université Tsinghua, l'université de Pékin et le Shanghai AI Laboratory a remporté le prix du meilleur article « Entertainment and Amusement » à l'IROS 2026, dont la conférence principale s'est achevée à Pittsburgh le 30 septembre. Le travail, intitulé « Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data » et surnommé LATENT, entraîne un humanoïde à renvoyer des balles de tennis à partir de données volontairement lacunaires : cinq joueurs amateurs ont passé environ cinq heures dans une zone de capture de 3 par 5 mètres, enregistrant des fragments de coups droits, de revers et de déplacements, sans match ni information sur la cible de la balle. Le système entraîne d'abord un tracker de mouvement, puis le compresse en un espace d'actions latent continu, sorte de dictionnaire de mouvements corporels. L'équipe a réduit la confiance accordée au poignet droit, trop bruité après retargeting, et ajouté une contrainte, la Latent Action Barrier, fondée sur la distance de Mahalanobis, qui empêche la politique de sauter entre mouvements sans rapport. En simulation, la politique de coup droit réussit 96,52 % des retours, avec une erreur moyenne d'atterrissage de 1,32 m, contre 41,32 % pour AMP, 63,47 % pour ASE et 71,85 % pour PULSE. Sans la barrière, le succès ne baisse qu'à 93,12 %, mais l'indice de lissage passe de 25,61 à 37,64 et le couple articulaire de 7,40 à 12,53, signe de mouvements plus saccadés. Sur un Unitree G1 réel, sur 20 échanges consécutifs, le coup droit atteint 90,90 % de réussite, le revers 77,78 %, le jeu depuis l'avant-court 88,89 % et depuis le fond 81,82 %, le succès signifiant que la balle retombe dans le camp adverse.

Pour les intégrateurs et les décideurs, l'intérêt tient moins au tennis qu'à la méthode : obtenir un comportement dynamique et précis à partir de peu de données humaines, imparfaites et non étiquetées par la tactique, sans script de mouvement à rejouer. L'espace latent traite les clips comme un a priori plutôt qu'une consigne, et l'ablation montre que la contrainte de régularité pèse surtout sur la qualité du geste (couple, fluidité), donc sur l'usure mécanique et la faisabilité sur matériel réel, davantage que sur le seul taux de succès. Il faut toutefois lire ces chiffres avec prudence. Le test réel dépend encore de la capture de mouvement : selon Leiphone, citant les documents du projet, le dispositif compte plus de 50 caméras sur 19 par 15 mètres, et non les caméras embarquées du robot. L'échantillon de 20 échanges est modeste, et l'échange simulé de 25 coups entre deux robots ne provient pas d'un court réel. Le résultat est un retour de balle en laboratoire, pas un match de tennis, et il n'a pas d'application commerciale directe.

Le prix s'inscrit dans une série de démonstrations sportives sur le Unitree G1, plateforme de recherche devenue standard, dont un panier de basket présenté par HKUST. Galbot, fabricant chinois, multiplie par ailleurs les annonces : l'ET1, humanoïde bipède dont le prix démarre à 79 000 yuans, avec des compétences par observation sur les gammes supérieures, et le modèle monde-action LDA-1B, dont le framework est ouvert. Les auteurs listent la capture de mouvement comme limite principale et désignent la vision active, c'est-à-dire la perception par les caméras du robot, comme prochaine étape, condition nécessaire pour sortir du laboratoire. Aucun calendrier de déploiement ni pilote industriel n'est annoncé à ce stade.