机器东谈主打乒乓球，这（zhei）您受得了吗？

缺点玩的还都是高难度：并步接球！

0.42 秒极限响应抗拒扣球！

最高还能对拉 106 拍！

打不外，归正我是打不外。

这位乒乓球场上的机器东谈主能手，出自清华姚班本科生苏智（师从吴翼耕种）的最新论文——《HITTER: A HumanoId Table TEnnis Robot via Hierarchical Planning and Learning》。

在这篇论文中，操办者们提议了一套纠合模子谋略与强化学习的分层框架，已毕了东谈主形机器东谈主在亚秒级（sub-second）响应下的褂讪一语气对打。

这是奈何作念到的？

基于谋略与截止的分层框架

总的来说，为了教机器东谈主打乒乓球，操办团队提议了一个将高层谋略与低层截止分开处置的框架。

其中，在高层谋略中，基于模子的谋略器（model-based planner）大概导航球的轨迹，并预计击球位置、速率和时机。

在低层框架中，基于强化学习（RL）的全身截止器，大概把柄谋略器的预计，生成相助的手臂和腿部算作来履行与东谈主类雷同的打击算作。

具体来说，操办团队胜利将宇树 G1 的手掌酿成了乒乓拍子，并让它站在一张模范尺寸的乒乓球台上进行查考。

在感知方面，操办继承了九个 OptiTrack 录像头（运行频率为 360 Hz）来跟踪球的位置，这达到了毫米级的精度。

在谋略方面，基于模子的谋略器在每个技能步秉承球的位置数据，并预计拍子的击球位置、速率和时机。

这些预计被委派给全身截止器，以生成宇树 G1 所需的击球时机和拍子速率。

之后，机器东谈主把柄强化学习不停调养击球计策，进步分解推崇。

此外，为了饱读吹机器东谈主作念出近似东谈主类的挥拍算作，操办东谈主员还在计策查考中加入了东谈主类算作参考（正手和反手）。

通过东谈主类算作参考进行查考，机器东谈主产生了与东谈主类算作至极雷同的击球步履：举例下图中机器东谈主击球时的腰部旋转。

在真实寰宇的实验中，团队向机器东谈主投掷了 26 个球，机器东谈主得胜回球 24 次，击中后未回球 1 次，皆备失球 1 次，达到了 96.2% 的击球率和 92.3% 的回球率。

何况，就像咱们开首提到的，G1 在与东谈主类敌手对打时，已毕了多达106 次的一语气击球，这一连拍远远卓越了自在东谈主类玩家的水平。

此外，G1 还推崇出了抗拒扣球的才调。

临了，值得一提的是，除了与东谈主类进行对战，机器东谈主也不错在皆备自主的匹配环境中握续进行对战。

为什么是乒乓球？

在前段技能的机器东谈主分解会上，咱们依然看到了不少机器东谈主参与的分解技俩 ( 如跑步、拳击、足球等）。

不外，这些分解时时留给机器东谈主较长的调养与响应技能。

而在现实生存中，机器东谈主时常需要在动态环境下与快速移动的物体交互，这种交互从根底上讲更难：

因为它们不仅需要各个要津的相助截止，还需要在极限技能测量内运行的精密感知 - 行动闭环，而乒乓球恰是此类交互的绝佳例子。

相干于网球或羽毛球等分解，乒乓球的距离更短、攻防调养更快、响应技能窗口更小（球速卓越 5 米 / 秒）。

这就意味着机器东谈主系统必须在已而内完成感知、预计、谋略和击球以及与移动或静态的不同操作。

更难的是，得胜的击球需要敏捷的全身分解，包括快速解脱手臂、动掸腰部、快速垫步和归附均衡，以确保准确击球并为下一次打作念好准备。

是以，打乒乓球，对东谈主形机器东谈主来说，还真不是一件容易的事。

依然初始期待下一次的机器东谈主分解会了！

参考贯穿：

[ 1 ] https://arxiv.org/pdf/2508.21043

[ 2 ] https://humanoid-table-tennis.github.io

一键三连「点赞」「转发」「注重心」

接待在驳斥区留住你的思法！

—  完  —

专属 AI 产物从业者的实名社群，只聊 AI 产物最落地的真问题   扫码添加小助手，发送「姓名 + 公司 + 职位」央求入群～

进群后，你将胜利得回：

  � � 最新最专科的 AI 产物信息及分析 � �  

  � �   不如期披发的热点产物内测码 � �

  � �   里面专属践诺与专科照管 � �

� � 点亮星标 � �

科技前沿进展逐日见🦄九游娱乐(China)官方网站