全球首场人机网球赛上演，银河通用机器人与郑洁同台竞技

8 月 22 日，第二届世界人形机器人运动会开幕。赛场上演了被多方称为「全球首次」的人机网球对战：一边是前大满贯冠军、中国网球名将郑洁，另一边是来自银河通用的人形机器人「银河星仔」。本场比赛由中央广播电视总台面向全球直播。

比赛中，机器人不仅完成了发球、正手、反手、底线调动、网前截击等动作，还出现了令人印象深刻的「极限救球」与「摔倒后自行起身继续比赛」的画面。银河通用披露，机器人的发球时速超过 100 km/h，留给系统的反应时间只有零点几秒。

为什么是网球：物理世界的极限压力测试

文章与多家分析指出，网球之所以被视为具身智能的高难度测试，原因在于其对抗性、实时性与不确定性：

• 球速高、落点受旋转、风、场地摩擦影响，每一拍物理参数都不重复；
• 系统必须在几百毫秒内完成感知、预测、决策与全身协调；
• 对手是活人，会通过变节奏、假动作「骗」机器人。

这与 AlphaGo 面对的围棋环境形成对照：围棋虽有 19 路 361 点的巨大解空间，但世界是静态、离散、规则恒定的；而网球是连续物理世界中「两个玩家互出新题」的实时博弈，被认为是「莫拉维克悖论」的现场版。

AstraBrain：大脑与小脑首次装进同一模型

支撑这场对战的，是银河通用的具身智能大模型「银河星脑」AstraBrain。其架构层面的关键选择是：

• 将任务理解与战术决策（大脑层）、高动态全身运动控制（小脑层）以及神经控制，集成在同一个模型中；
• 银河通用将其描述为「全球首个」能同时负责「想清楚」和「做出来」的具身模型。

传统分层架构中，大脑负责高层决策、小脑负责运动执行，二者通过接口传递指令。银河通用认为，这一架构会带来两类问题：一是信息断层，大脑决策时不知道身体实时状态，小脑执行时不清楚战术意图；二是在网球这种分秒必争的任务中，接口传输的延迟足以导致失误。

训练方法：人类先验打底，虚拟对抗涌现技能

数据与训练流程方面，银河通用介绍了两个步骤：

• 从不完美的人类示范数据中提取先验：通过动作捕捉、视频与穿戴传感器采集人类击球数据，利用「银河星坊」数据平台从噪声多、不对齐、质量参差的示范中提炼运动规律，用于冷启动；
• 进入虚拟网球世界自对弈：多个策略在仿真环境中互为对手，银河通用称进行了一千万次量级的虚拟对打。

据其介绍，工程师并未硬编码「滑步救球」或「摔倒后起身」等动作，这些行为是在无数次失败与对抗压力下「涌现」出来的。最终，这些在虚拟环境中训练的策略被迁移到真实机器人本体上执行。

定位与边界

从行业意义看，这场展示被定位为「中国版 AstraTennis 时刻」，与十年前 AlphaGo 战胜李世石相对照：AlphaGo 证明了 AI 能在数字世界的智力游戏中超越人类，而此次事件被解读为 AI 首次在需要全身实时执行的物理对抗中站住脚。

不过需要指出的是，目前公开信息仍以赛事展示和企业自述为主，AstraBrain 的参数规模、训练算力、benchmark 数据、第三方独立评测均未披露；「全球首个统一大脑小脑模型」等表述也尚待学术界与产业界的进一步验证。