Robot humanoide aprende a jugar tenis en 5 horas y sorprende a Elon Musk

Un robot humanoide de última generación logró aprender a jugar tenis en solo 5 horas, alcanzando una tasa de acierto del 96,5% en devoluciones frente a jugadores humanos.

Las imágenes del robot tenista se difundieron rápidamente y generaron reacciones entre referentes de la tecnología como Elon Musk, quien expresó su asombro a través de X. El experto en tecnología, Andrej Karpathy, por su parte, admitió que al ver el video pensó al principio que se trataba de una simulación digital.

Por qué llama la atención este robot humanoide

El resultado más llamativo radica en la efectividad de la máquina: el robot devolvió más del 90% de las pelotas en partidos reales, un rendimiento que supera con creces los intentos documentados previamente en la robótica deportiva.

No obstante, los investigadores aclaran que, aunque impresionante, este desempeño todavía tiene barreras: actualmente, el sistema no elige a qué parte de la cancha dirigir la bola, limitando su participación a repeticiones automatizadas que no simulan todavía un partido competitivo real.

De qué trata esta tecnología que permite a robots prácticar deportes

El sistema, bautizado como LATENT, acrónimo de Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data, propone un giro a la enseñanza de habilidades físicas en androides.

Mientras que en prototipos anteriores el entrenamiento se había centrado en deportes como el tenis de mesa o el fútbol, hasta ahora la agilidad y el realismo de los movimientos resultaban limitados.

Según destacaron los responsables del proyecto, replicar la técnica del tenis implicaba varios desafíos simultáneos: la velocidad de la pelota puede superar los 100 km/h, la coordinación corporal debe calcularse con precisión y los cambios de posición en la pista exigen potencia explosiva y control motriz, tal como describe el comunicado enviado a DW.

Cómo fue posible que el robot aprendiera a jugar tenias en pocas horas

El robot, identificado como G1 y fabricado por Unitree Robotics, fue instruido utilizando fragmentos de movimientos básicos de tenistas amateurs, sin programación previa y únicamente a través de la captura y el ajuste progresivo de datos de movimiento.

Esta metodología, señalan los ingenieros, permite que el androide ajuste en tiempo real el ritmo del golpe, la postura y la posición según las variables de cada lanzamiento.

“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 de LATENT.

Qué limitaciones actuales hay y cuáles ambiciones futuras se tienen

A pesar de la precisión alcanzada, el sistema conserva restricciones notables. Sumado a no elegir el destino de la devolución, los movimientos aún no replican la técnica ni la estrategia de los profesionales.

“A pesar de ser imperfectos, estos datos cuasi-realistas siguen proporcionando información previa sobre las habilidades humanas básicas en situaciones de tenis”, argumentan los autores en el documento enviado a DW.

Para los investigadores, la siguiente fase consiste en dotar al robot de estrategias propias y capacidades para adaptarse a rivales humanos en escenarios cada vez más realistas, objetivo que buscan lograr a través de un marco de entrenamiento multiagente.

La visión del proyecto LATENT se extiende más allá del deporte: “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”, señala el comunicado.

El equipo enfatiza que la inteligencia artificial encarnada ya está saliendo de los laboratorios y adentrándose en espacios reales, ampliando el horizonte hacia aplicaciones que van desde el entretenimiento deportivo hasta los servicios domésticos o escenarios complejos de colaboración humano-máquina.