诺亦腾机器人发布 AdaPT，实现人形机器人专业网球技能学习

在发布 HiPHI 开源数据集仅两天后，诺亦腾机器人（Notiom Robotics）携手上海人工智能实验室、越疆机器人与上海交通大学，发布人形机器人专业网球技能学习框架 AdaPT。

AdaPT 是诺亦腾机器人在人形机器人专业运动技能系列研发项目中的首个概念验证成果，其动作基础基于 HiPHI 系列数据集的部分数据完成预训练，并进一步学习职业网球运动员的专业动作风格。相关研究成果将亮相 IEEE 国际机器人与人类交互会议 RO-MAN 2026。

核心要点

• 从“会打网球”到“打出职业风格”：AdaPT 能够让真实人形机器人学习职业网球运动员的对打与发球动作，并复现不同职业选手的不同运动风格。
• 在两种人形机器人完成技能验证：AdaPT 可部署于宇树 G1 与全尺寸越疆 Atom，并实现真实网球场景下的对打与发球。其中，机器人仅依靠单目相机与消费级追踪设备即可完成发球，无需专用动作捕捉环境。列数据上完成预训练，涵盖公开发布的HiPHI数据集的相关子集，以及规模更大的可授权HiPHI-MOV语料库；后续通过补充更多HiPHI系列数据进行扩展的结果表明，扩充动作数据规模可显著提升该基础模型的稳定性与性能。
• 以高质量动作数据作为学习基础：AdaPT 的动作基础模型在部分 HiPHI 系列数据上完成预训练，包括公开发布的 HiPHI 数据集相关子集，以及规模更大的可授权 HiPHI-MOV 语料库。实验进一步表明，随着高质量动作数据规模扩大，模型的稳定性与性能均得到明显提升。
• 由诺亦腾机器人联合上海人工智能实验室、越疆机器人及上海交通大学共同研发；相关论文、代码及演示视频现已上线AdaPT项目页面。

东京, Aug. 22, 2026 (GLOBE NEWSWIRE) -- 在世界机器人大会（WRC）上正式发布并开源 HiPHI 数据集两天后，诺亦腾机器人（Noitom Robotics）与合作伙伴共同发布人形机器人专业网球技能学习框架 AdaPT（Adaptive Planning and Tracking）。该系统可让人形机器人以模仿职业选手的风格——在真实硬件上完成对打与发球，相关发布将于下周在福冈举办的RO-MAN 2026大会前推出。

点击此链接，观看本公告附带的媒体片段。

AdaPT（自适应运动规划与跟踪）能够让人形机器人学习并复现职业网球运动员的对打与发球动作，并通过自适应规划与跟踪机制，将在仿真中学习到的网球技能迁移到真实机器人上。

根据同步发布的学术论文，研究团队从公开比赛视频中提取并学习了 Rafael Nadal、Roger Federer 和 Novak Djokovic 三位职业选手的不同打法，并在机器人上呈现出相应的运动风格。此外，AdaPT 还学习了一套来自国家一级运动员动作捕捉数据的网球动作。
目前，AdaPT 已在宇树 G1 和全尺寸越疆 Atom 两种人形机器人上完成验证。在真实场景中，机器人仅依靠单目相机和消费级追踪设备即可完成发球，无需搭建专用的动作捕捉环境。

AdaPT 与 HiPHI 背后有着紧密的技术联系。AdaPT 的动作基础模型在 HiPHI 系列的部分数据上完成预训练，其中既包括已经公开发布的开源 HiPHI 数据集相关子集，也包括规模更大的、可通过商业授权获取的 MOV 数据集。

对于机器人来说，公开视频虽然记录了大量顶尖运动员的比赛和训练动作，但仅凭视频，很难获得机器人学习所需要的精确运动状态和物理信息。为此，研究团队利用高精度动作数据对视频中的人体运动进行重建和校正，并进一步加入专业运动员的动作捕捉数据，让大规模的视频数据得以具备可学习性，让模型能够更准确地理解和学习这些动作。

高精度动作数据提供准确的运动信息，大规模视频则提供丰富的动作内容。两者结合，让原本只能“看”的视频，进一步变成机器人可以“学”的数据。
“周三，我们刚刚发布了 HiPHI 开源数据集，今天，大家已经可以看到这些数据能够帮助机器人学会什么。”诺亦腾机器人创始人/ CEO 戴若犁博士表示，“互联网上有海量的网球视频，但对机器人来说，看得到不等于学得会。只有把视频与高精度、有物理意义的运动数据结合起来，机器人才能真正理解和学习这些动作。这也是我们提出 World Compiler 的初衷：让真实世界的数据真正变得可学习。”

AdaPT 由诺亦腾机器人联合上海人工智能实验室、越疆机器人与上海交通大学共同研发，是团队在人形机器人专业运动技能学习方向上的首个概念验证成果。
诺亦腾机器人研发总监韩磊博士表示：“我们首先使用 HiPHI 系列的部分数据对运动基础模型进行预训练，再加入专业运动员的高精度动作捕捉数据进行后训练。前者让模型接触足够丰富的人体运动，后者则进一步提升它对专业动作的学习能力。网球只是第一步，未来我们希望把这套方法拓展到更多专业运动技能，也期待与更多机器人本体企业和职业运动员合作，让机器人学习不同项目、不同运动员的动作和风格。”

该学术论文、源代码以及演示视频现已上线，同时开放的还有AdaPT 项目页面。HiPHI 仍可在Hugging Face平台公开获取，商业数据授权（包括 HiPHI-MOV 语料库）可通过ModalityNet办理。Noitom 机器人公司将于 8 月 24 日至 28 日出席在福冈举办的 RO-MAN 2026 会议。

相关链接项目页面：https://humanoidtennis.github.io/AdaPT/

• 论文（arXiv）：https://arxiv.org/abs/2608.20087
• 代码（GitHub）：https://github.com/noitom-robotics/AdaPT
• 演示视频：https://www.youtube.com/watch?v=mEF-YTn-ksU
• HiPHI 数据集（Hugging Face 平台）：https://huggingface.co/datasets/noitomrobotics/HiPHI
• 商业授权（ModalityNet）：https://modalitynet.com
  
  

关于诺亦腾机器人
Noitom Robotics是一家专注于为物理AI提供全模态数据的科技公司。通过ModalityNet（ modalitynet.com ）——我们打造的世界编译器落地产品——我们将真实世界中的人类动作、交互与行为转化为可学习的表征，覆盖三大数据集：HiPHI-MOV（动作数据）、HiPHI-OM（全模态交互数据）与ITW（真实场景数据），为具身AI提供仅靠原始数据无法实现的、结构化且可直接用于训练的基础支撑。

媒体联络——国际：Roch Nakajima，首席营销官，roch@noitomrobotics.com 。中国：谭雨欣，evan@noitomrobotics.com 。