Oubliez les droïdes maladroits qui peinent à monter un escalier ou à ouvrir une porte. Le 16 mars dernier, une vidéo publiée par l’entreprise Galbot Robotics a fait l’effet d’une bombe dans le monde de la tech : on y voit un robot humanoïde tenir un véritable échange de tennis avec un joueur en chair et en os. Une prouesse technologique bluffante, rendue possible par une méthode d’apprentissage totalement à contre-courant des standards actuels de l’intelligence artificielle.

Le défi de la milliseconde

Frapper une balle jaune n’a l’air de rien pour un sportif entraîné, mais pour une machine, c’est un cauchemar biomécanique. Sur un court, les déplacements sont vastes, les trajectoires imprévisibles, et une balle peut facilement flirter avec les 30 mètres par seconde. Pire encore, le contact entre le cordage de la raquette et la balle ne dure qu’une poignée de millisecondes.

Habituellement, pour qu’un algorithme puisse anticiper et réagir à temps, les ingénieurs le gavent de quantités astronomiques de données. Pourtant, l’équipe derrière le système LATENT (développé en collaboration avec les prestigieuses universités chinoises de Tsinghua et de Pékin) a fait un pari audacieux : entraîner sa machine avec un strict minimum d’informations.

L’art de la fragmentation

Plutôt que d’obliger l’IA à analyser des milliers d’heures de matchs professionnels, les chercheurs ont opté pour un minimalisme radical. Ils ont placé cinq joueurs sur un terrain miniature (à peine 3 mètres sur 5) équipés de capteurs de mouvements.

Pendant seulement cinq petites heures, ils ont capturé des « fragments » d’actions pures : l’amorce d’un coup droit, l’extension d’un revers, un pas chassé. L’algorithme LATENT a d’abord enseigné au robot — le modèle agile Unitree G1 — à imiter ces micro-mouvements de manière isolée. Ce n’est qu’ensuite que le système a assemblé ces briques élémentaires, permettant à la machine de comprendre comment courir vers une zone, armer son bras, frapper la balle et se replacer instantanément.

De la matrice au court en terre battue

Avant de fouler un vrai terrain, l’humanoïde a dû faire ses preuves dans un simulateur virtuel impitoyable. Pour le préparer à la réalité, les chercheurs y ont injecté un chaos maîtrisé, modifiant aléatoirement des paramètres physiques cruciaux comme l’aérodynamisme de la balle, le poids des éléments ou les forces de frottement.

Le résultat de cet entraînement commando ? Un taux de réussite de 96 % sur les coups droits en simulation. Une fois déployé physiquement, l’Unitree G1 s’est révélé capable d’enchaîner des mouvements fluides et naturels, soutenant de longs échanges avec son adversaire humain sans jamais paraître saccadé.

Un nouveau standard pour la robotique

Si cette démonstration ravit les amateurs de tennis, l’enjeu dépasse largement les limites du court. Ce que Galbot Robotics et les chercheurs chinois viennent de prouver, c’est qu’il n’est plus indispensable de posséder des bases de données de motion capture gigantesques pour enseigner des tâches physiques complexes et réactives à des androïdes.

Cette capacité à extrapoler des comportements fluides à partir de données très parcellaires ouvre la voie à une nouvelle génération d’humanoïdes. Qu’il s’agisse de pratiquer d’autres sports comme le badminton ou le football, de manipuler des outils d’une précision extrême ou d’assister des travailleurs dans des environnements dynamiques, les robots viennent de prouver qu’ils ont, eux aussi, le sens du jeu.