Robô aprende a jogar tênis em poucas horas e já troca bolas com humanos
Carlos Alcaraz “que se cuide”: após um desempenho superior nos tabuleiros de xadrez, os robôs podem em breve surpreender nos courts de tênis, conforme sugere o projeto TALENT.
Um robô humanoide segurando uma raquete e trocando bolas em uma quadra de tênis já é algo que chama a atenção, e a situação se torna ainda mais intrigante se considerarmos a metodologia que pode revolucionar a maneira como as máquinas aprendem habilidades físicas complexas.
O projeto LATENT, criado pela empresa chinesa Galbot, baseia-se em um conceito simples: ensinar um robô a jogar tênis sem necessitar de dados perfeitos. Ao invés de capturas minuciosas e completas de partidas reais – que são difíceis e custosas de obter – o sistema desenvolve suas habilidades a partir de fragmentos de movimentos humanos. Gestos simples, como um forehand, um backhand ou movimentos laterais, atuam como “blocos de construção” que o robô combina em tempo real.
Fique por dentro das notícias mais relevantes sobre tecnologia eacompanhamento completo em tek.sapo.pt
Os resultados já foram demonstrados com um Unitree G1 utilizando uma raquete padrão. Durante os testes, o robô foi capaz de realizar trocas de bola com um humano, respondendo a lançamentos que ultrapassam os 15 metros por segundo. Mais do que velocidade, destaca-se a coordenação: o sistema ajusta a postura, desloca-se e altera o ângulo da raquete quase de forma instantânea, realizando movimentos que, mesmo ainda mecânicos, se aproximam do estilo humano.
A apresentação ganhou notoriedade após a Galbot divulgar um vídeo na rede social X, mostrando o robô mantendo intercâmbios com um jogador humano.
A publicação rapidamente se tornou viral e chegou até Elon Musk, que respondeu com um simples “sim”, ao compartilhar o conteúdo, o que ajudou a ampliar o alcance global do projeto.
A inovação reside na maneira como o LATENT trabalha com dados “imperfeitos”. De acordo com os pesquisadores, mesmo informações incompletas possuem padrões fundamentais de movimento. Ao combinar tais padrões e aplicar correções durante a execução, o robô não apenas aprende a repetir gestos, mas também a adaptá-los a diferentes contextos. Em simulações, o sistema conseguiu altas taxas de sucesso, especialmente em golpes de direita.
Além disso, existe um controle adicional para impedir que o robô desenvolva movimentos não realistas, algo comum em aprendizado por reforço. O modelo se propõe a buscar apenas soluções próximas do comportamento humano, assegurando estabilidade e naturalidade.
Embora ainda esteja distante do nível competitivo dos jogadores profissionais, o avanço tem implicações que vão além do esporte. Se um robô consegue dominar uma tarefa tão complexa com dados limitados, o mesmo princípio pode ser aplicado a diversas atividades físicas onde a coleta detalhada de informações é impraticável, variando desde a indústria até a assistência pessoal. Assim, o tênis serve como um verdadeiro laboratório de testes.
