A mediados de febrero, en la antesala del Año Nuevo Lunar, China volvió a captar la atención global con una exhibición poco común: robots humanoides ejecutando artes marciales y acrobacias con una precisión que rozaba lo humano; sin embargo, el verdadero salto tecnológico llegó poco después, cuando un nuevo modelo fue capaz de aprender a jugar tenis en apenas cinco horas.
De las acrobacias a la cancha: el salto de la robótica
Durante años, uno de los mayores retos en robótica ha sido replicar habilidades deportivas humanas con naturalidad. Aunque existen prototipos capaces de jugar tenis de mesa o fútbol, estos han mostrado limitaciones en agilidad y coordinación.
El tenis, en particular, representa un desafío mayor. “Las pelotas que llegan a gran velocidad exigen decisiones en fracciones de segundo; la coordinación de todo el cuerpo determina la calidad del golpe de respuesta y correr a toda velocidad por la pista pone a prueba constantemente la potencia explosiva y el control”, indica un comunicado del proyecto LATENT enviado a DW.
“En un entorno tan dinámico y competitivo como el del tenis, el robot se enfrenta a pelotas que superan los 100 km/h, a trayectorias impredecibles y al ritmo de juego siempre cambiante de su oponente”, agrega el reporte.
Imágenes virales que sorprendieron a Elon Musk
Los videos del robot en acción no tardaron en viralizarse. Las imágenes no solo captaron la atención del público, sino también de figuras clave en el desarrollo tecnológico.
En la red social X, el magnate Elon Musk reaccionó con asombro ante las capacidades del sistema. Por su parte, Andrej Karpathy, reconocido investigador en inteligencia artificial, admitió que inicialmente pensó que el video había sido generado por IA.
El proyecto, denominado LATENT —Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data—, fue desarrollado con el respaldo de Galbot y publicado como artículo preliminar en arXiv, a la espera de revisión.
Cinco horas de aprendizaje para dominar lo básico
A diferencia de sistemas tradicionales preprogramados, este avance se basa en aprendizaje. El androide G1, creado por Unitree Robotics, fue entrenado durante apenas cinco horas utilizando fragmentos de movimientos de tenistas aficionados.
Este enfoque permite que el robot no solo imite movimientos, sino que los adapte en tiempo real. En los videos se observan sesiones junto a humanos, donde el sistema ejecuta desplazamientos laterales, golpes de derecha y revés, así como ajustes de postura.
“Ante diferentes golpes, el robot puede planificar en tiempo real sus pasos, el ritmo del golpe y la postura corporal basándose en información como la velocidad de la pelota, el punto de caída y su propia postura, logrando así un golpe estable sin perder el estilo natural de movimiento”, destaca el informe.
“Nuestro método logra resultados sorprendentes en el mundo real y puede mantener rallies de varios golpes con jugadores humanos”, afirma el equipo.
Precisión alta, pero sin estrategia
En pruebas reales, el robot alcanzó una tasa de éxito del 96,5 % en la devolución de pelotas, un dato que refleja el nivel de precisión alcanzado. Sin embargo, aún existen limitaciones importantes.
El sistema no decide estratégicamente hacia dónde dirigir la pelota, sino que la devuelve de manera aleatoria. Esto impide que pueda competir al nivel de un jugador humano en un partido real. Además, su desempeño aún está lejos del de tenistas profesionales.
“A pesar de ser imperfectos, estos datos cuasirealistas siguen proporcionando información previa sobre las habilidades humanas básicas en situaciones de tenis”, explican los autores.
El futuro: estrategia, más deportes y vida cotidiana
El siguiente paso para los investigadores es desarrollar un sistema más avanzado basado en entrenamiento multiagente, que permita a los robots tomar decisiones estratégicas y adaptarse al estilo de juego del oponente.
La ambición, no obstante, va más allá del tenis. “Aunque este trabajo se enfoca en la devolución de tenis, el marco propuesto tiene potencial para generalizarse a tareas donde no hay datos humanos de alta calidad, como el fútbol o el parkour”, concluye el equipo.
*Con información de DW.