Derfor er tennis en hård prøve for humanoide robotter

En tenniskamp samler flere vanskelige robotteknologiske opgaver i én hurtig situation. En humanoid robot skal bevæge sig på plads uden at miste balancen, følge bolden og modspilleren, styre ketsjer og håndled præcist og samtidig beslutte, hvor og hvordan bolden skal returneres.

Galbots demonstrationer og tekniske forklaringer fremhæver især disse krav:

• Dynamisk balance: Robotten skal kunne løbe, standse og skifte retning uden at vælte.
• Finmotorik: Håndled og arm skal placere ketsjeren præcist i det øjeblik, bolden rammes.
• Perception i realtid: Robotten skal løbende fortolke boldens bevægelse, modspilleren og ændringer på banen.
• Strategi: Den skal vælge, om bolden eksempelvis skal sendes til højre eller venstre eller placeres kort eller dybt, frem for blot at gentage ét forudbestemt slag.

Galbot beskriver systemet som et samspil mellem en overordnet “storhjernedel”, der står for perception, ræsonnement og planlægning, og en “lillehjernedel”, der omsætter intentionerne til stabile, kontinuerlige bevægelser med hele kroppen.

Det samspil er afgørende. En robot kan godt se imponerende atletisk ud i en nøje koreograferet demonstration uden at kunne tilpasse sig, når boldens bane, modspillerens placering eller timingen ændrer sig. Tennis fungerer derfor som en stresstest af, om perception, beslutningstagning og bevægelseskontrol faktisk indgår i én samlet feedbacksløjfe.

Kan autonom tennis blive et “AlphaGo-øjeblik”?

Galbot og flere kommentatorer har omtalt autonom humanoid-tennis som et muligt “AlphaGo-øjeblik” for bevægelsesintelligens. Henvisningen går på et synligt teknologisk gennembrud, hvor en maskine ikke bare udfører bevægelser, men selv vælger handlinger, mens den navigerer i et uforudsigeligt fysisk miljø.

Sammenligningen skal dog tages med forbehold. En vellykket kamp eller duel vil vise et imponerende samspil mellem perception, taktik og fysisk kontrol, men den vil ikke i sig selv bevise almen intelligens. Den mest præcise konklusion på baggrund af den tilgængelige rapportering er derfor mere snæver: Robust tennis uden fast manuskript vil være et tegn på fremskridt mod humanoide robotter, der adaptivt kan “tænke, mens de bevæger sig”.

Sådan skal AstraBrain-Agent fungere

ET1 er udstyret med Galbots egenudviklede AstraBrain-Agent, som beskrives som en fysisk-verdens-agent til multimodal interaktion og bevægelseskontrol i realtid. Ifølge virksomheden og rapporteringen fra konferencen kan systemet løbende observere sine omgivelser, forstå talte eller naturlige sprog­instruktioner og dynamisk planlægge både adfærd og bevægelsessekvenser.

Systemet er tænkt som en forbindelse mellem tre evner:

1. Se: Indsamle information fra det fysiske miljø omkring robotten.
2. Forstå og planlægge: Fortolke en persons instruktion og finde en passende måde at løse opgaven på.
3. Handle og lære: Omsætte planen til koordinerede bevægelser og tilegne sig nye færdigheder gennem interaktion.

Galbot siger, at ET1 kan lære nye bevægelsesfærdigheder uden at være afhængig af motion capture-data eller forudindspillede træningsvideoer. Virksomheden demonstrerede også interaktion i realtid, hvor robotten skabte øjenkontakt, bevægede hovedet og genererede kropsbevægelser som svar på sprog.

Det er netop her, Galbot forsøger at adskille en traditionel, programmeret robot fra en embodied agent: Den sidste skal reagere på det, der sker nu, ændre sin plan og bygge videre på interaktionen. Foreløbig er disse egenskaber dog dokumenteret gennem virksomhedens egne demonstrationer, og det er stadig åbent, hvor godt systemet fungerer uden for kontrollerede omgivelser.

Husholdningsopgaverne på WRC 2026

Husholdningsdemonstrationerne på konferencen blev udført af Galbots G1-robotter. De blev ikke præsenteret som ET1's samlede produktudbud til hjemmet. G1 demonstrerede blandt andet at lægge genstande på plads, vaske og hænge tøj op samt folde tøj på en seng. Andre rapporter beskrev også morgenmadsopgaver som at lave toast, hælde drikke op og koordinere begge arme.

Opgaverne er teknisk vanskeligere, end de ser ud. Robotten skal genkende mange forskellige genstande, håndtere ting, der kan rulle, svinge eller deformere, manipulere med fleksibelt tøj og sengetøj og gennemføre lange arbejdsgange i den rigtige rækkefølge. Demonstrationerne blev præsenteret som eksempler på AstraBrains bredere mål: at bruge ét fælles AI-system på tværs af robotter med forskellige kroppe og anvendelser, blandt andet i hjem, detailhandel og industri.

Hvad betyder lanceringen af ET1?

ET1's betydning handler mindre om selve tennisslaget end om den arkitektur, Galbot forsøger at demonstrere. Virksomheden vil forbinde sprog, perception, planlægning og kontrol af hele kroppen i ét embodied-AI-system, som kan anvendes på flere forskellige robotformer.

Mixed-doubles-opvisningen den 22. august er designet til at gøre den ambition synlig. Hvis ET1 pålideligt kan reagere på ændringer i spillet og samarbejde med menneskelige partnere, bliver det en stærk demonstration af adaptiv fysisk intelligens. Den afgørende prøve bliver dog, om de samme feedbackbaserede evner kan overføres fra en planlagt tennisopvisning til hverdagens uforudsigelige og gentagne arbejdsopgaver.

Derfor er tennis en hård prøve for humanoide robotter

En tenniskamp samler flere vanskelige robotteknologiske opgaver i én hurtig situation. En humanoid robot skal bevæge sig på plads uden at miste balancen, følge bolden og modspilleren, styre ketsjer og håndled præcist og samtidig beslutte, hvor og hvordan bolden skal returneres.

Galbots demonstrationer og tekniske forklaringer fremhæver især disse krav:

• Dynamisk balance: Robotten skal kunne løbe, standse og skifte retning uden at vælte.
• Finmotorik: Håndled og arm skal placere ketsjeren præcist i det øjeblik, bolden rammes.
• Perception i realtid: Robotten skal løbende fortolke boldens bevægelse, modspilleren og ændringer på banen.
• Strategi: Den skal vælge, om bolden eksempelvis skal sendes til højre eller venstre eller placeres kort eller dybt, frem for blot at gentage ét forudbestemt slag.

Galbot beskriver systemet som et samspil mellem en overordnet “storhjernedel”, der står for perception, ræsonnement og planlægning, og en “lillehjernedel”, der omsætter intentionerne til stabile, kontinuerlige bevægelser med hele kroppen.

Det samspil er afgørende. En robot kan godt se imponerende atletisk ud i en nøje koreograferet demonstration uden at kunne tilpasse sig, når boldens bane, modspillerens placering eller timingen ændrer sig. Tennis fungerer derfor som en stresstest af, om perception, beslutningstagning og bevægelseskontrol faktisk indgår i én samlet feedbacksløjfe.

Kan autonom tennis blive et “AlphaGo-øjeblik”?

Galbot og flere kommentatorer har omtalt autonom humanoid-tennis som et muligt “AlphaGo-øjeblik” for bevægelsesintelligens. Henvisningen går på et synligt teknologisk gennembrud, hvor en maskine ikke bare udfører bevægelser, men selv vælger handlinger, mens den navigerer i et uforudsigeligt fysisk miljø.

Sammenligningen skal dog tages med forbehold. En vellykket kamp eller duel vil vise et imponerende samspil mellem perception, taktik og fysisk kontrol, men den vil ikke i sig selv bevise almen intelligens. Den mest præcise konklusion på baggrund af den tilgængelige rapportering er derfor mere snæver: Robust tennis uden fast manuskript vil være et tegn på fremskridt mod humanoide robotter, der adaptivt kan “tænke, mens de bevæger sig”.

Sådan skal AstraBrain-Agent fungere

ET1 er udstyret med Galbots egenudviklede AstraBrain-Agent, som beskrives som en fysisk-verdens-agent til multimodal interaktion og bevægelseskontrol i realtid. Ifølge virksomheden og rapporteringen fra konferencen kan systemet løbende observere sine omgivelser, forstå talte eller naturlige sprog­instruktioner og dynamisk planlægge både adfærd og bevægelsessekvenser.

Systemet er tænkt som en forbindelse mellem tre evner:

1. Se: Indsamle information fra det fysiske miljø omkring robotten.
2. Forstå og planlægge: Fortolke en persons instruktion og finde en passende måde at løse opgaven på.
3. Handle og lære: Omsætte planen til koordinerede bevægelser og tilegne sig nye færdigheder gennem interaktion.

Galbot siger, at ET1 kan lære nye bevægelsesfærdigheder uden at være afhængig af motion capture-data eller forudindspillede træningsvideoer. Virksomheden demonstrerede også interaktion i realtid, hvor robotten skabte øjenkontakt, bevægede hovedet og genererede kropsbevægelser som svar på sprog.

Det er netop her, Galbot forsøger at adskille en traditionel, programmeret robot fra en embodied agent: Den sidste skal reagere på det, der sker nu, ændre sin plan og bygge videre på interaktionen. Foreløbig er disse egenskaber dog dokumenteret gennem virksomhedens egne demonstrationer, og det er stadig åbent, hvor godt systemet fungerer uden for kontrollerede omgivelser.

Husholdningsopgaverne på WRC 2026

Husholdningsdemonstrationerne på konferencen blev udført af Galbots G1-robotter. De blev ikke præsenteret som ET1's samlede produktudbud til hjemmet. G1 demonstrerede blandt andet at lægge genstande på plads, vaske og hænge tøj op samt folde tøj på en seng. Andre rapporter beskrev også morgenmadsopgaver som at lave toast, hælde drikke op og koordinere begge arme.

Opgaverne er teknisk vanskeligere, end de ser ud. Robotten skal genkende mange forskellige genstande, håndtere ting, der kan rulle, svinge eller deformere, manipulere med fleksibelt tøj og sengetøj og gennemføre lange arbejdsgange i den rigtige rækkefølge. Demonstrationerne blev præsenteret som eksempler på AstraBrains bredere mål: at bruge ét fælles AI-system på tværs af robotter med forskellige kroppe og anvendelser, blandt andet i hjem, detailhandel og industri.

Hvad betyder lanceringen af ET1?

ET1's betydning handler mindre om selve tennisslaget end om den arkitektur, Galbot forsøger at demonstrere. Virksomheden vil forbinde sprog, perception, planlægning og kontrol af hele kroppen i ét embodied-AI-system, som kan anvendes på flere forskellige robotformer.

Mixed-doubles-opvisningen den 22. august er designet til at gøre den ambition synlig. Hvis ET1 pålideligt kan reagere på ændringer i spillet og samarbejde med menneskelige partnere, bliver det en stærk demonstration af adaptiv fysisk intelligens. Den afgørende prøve bliver dog, om de samme feedbackbaserede evner kan overføres fra en planlagt tennisopvisning til hverdagens uforudsigelige og gentagne arbejdsopgaver.