网球是人形机器人面临的最具挑战性的运动之一。高速来球要求瞬间判断，全身协调决定回球质量，全场奔跑考验爆发力与控制力。当机器人真正站上球场时，能否像人类运动员一样完成判断、移动与连续回合击球成为关键。
视频中展示了机器人迅速调整站位，上下半身协同挥拍击球，并将球精准回击到指定位置。面对各种来球，它能够持续调整身体姿态与击球时机，与不同水平的对手完成多回合连续对拉。在高动态、高对抗环境中，机器人需要应对时速超过几十公里的来球、变幻莫测的落点轨迹以及对手不断变化的击球节奏。
这一能力并非依赖预编程动作实现，而是通过深度强化学习自主习得。这是全球首次在人形机器人上实现高动态网球对打，标志着从“机械复刻动作”向“智能决策响应”的跨越。
研究团队提出了一种新的机器人运动学习方法，使机器人能够从不完美的人类动作数据中学习复杂的运动技能，并在真实世界中完成高动态、高敏捷的网球击球与对打任务。传统的人形机器人运动学习依赖高质量遥操作数据进行模仿学习，但在网球这样的高动态运动场景中，这类数据几乎难以获取。而LATENT提供了一种完全不同的思路：仅靠收集前后移动、正反手挥拍、横向步伐等碎片化动作，让机器人自主学习运动技能空间，从而解锁大范围跑动急停、回击各种来球的能力。