人形机器人开始打国球了！两台机器人完整打完11分制比赛

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 人形机器人开始打国球了！两台机器人完整打完11分制比赛 听雨 2026-08-17 17:04:37 来源： 量子位 听雨 发自 凹非寺 量子位 | 公众号 QbitAI 人形机器人跟人打乒乓球，你可能见过。 人类发球喂球，机器人守在半台回击，这类视频这两年已经不算稀奇。 但 两台机器人自主对打 呢？ 没有遥控，也没人喂球。球台两边，你发我接、你攻我守，一直打到11分。 正式比赛的目标只有一个：赢球！ 这场对局，很快就要搬进 国家速滑馆「冰丝带」 。8月22日至26日， 第二届世界人形机器人运动会 将在这里举行。 本届运动会将有2000多台机器人参赛，其中1000多台将在开幕式同台亮相。 这个阵仗，堪称机器人界的「春晚」。 乒乓球正是其中一档节目。参与表演的是由香港大学与超维动力KAI研究团队组成的 港大超维战队 。开幕式上，他们的机器人还将与几位乒乓球名将同场过招。 正式亮相前，他们先交出了一份作业：两台人形机器人按照11分制，自主打完一局。 接下来请欣赏：「真·人类史上首场人形机器人自主乒乓球完整对局」~ 你别说，你还真别说。 这机器人的抬手、挥拍，一套动作有模有样。只见红帽小哥和蓝帽小哥一交手，电光石火之间…… 好吧，场面还是没有想象中那么刀光剑影。 和职业选手的凌厉攻防相比，两位「小哥」的回合节奏平缓不少。 不过彼此之间，一个发、一个接，黄色小球在两边一弹一挡，比分照样你来我往。 这两个机器人背后，采用的是港大超维团队自主研发的 SMASH系统 。 它并非一个大模型从头包办到底，而是一套将视觉感知、轨迹预测、动作规划和全身控制串起来的闭环方案。 为此，他们把SMASH从1.0升级到了 2.0 。机器人的击球范围从相对固定的来球扩展到长球和短球，还补上了自主发球。 队伍领队 罗平 是香港大学计算与数据科学学院副院长、MMLab HKU负责人，也是超维动力联合创始人。 李莹辉 则是香港大学博士后，也是超维动力运控算法负责人。 量子位与罗平、李莹辉聊了聊： 为什么偏偏选择乒乓球？机器人打完一局，和过去接住几个球有什么不同？离真正挑战人类选手，还有多远？ 以下是对话实录： 两台机器人，如何完整打完11分局？ 量子位：机器人和机器人打，相比人和机器人打，技术难点是什么？ 罗平： 人和机器人打时，人会下意识地喂球，让机器人尽量能够回球。两个机器人对打时，双方的目标都是赢球。既要主动进攻，又要让比赛真正打起来，要求会高很多。 量子位：Demo里所说的完整11分对局，和连续打11个回合是一回事吗？ 罗平： 不是。完整11分指按照乒乓球规则完整打完一局、分出胜负。11个回合，或者说连续七八拍，则是同一个球在得分前来回对拉七八次。 量子位：两台机器人使用的是同一套系统吗？它们会在交手中逐渐形成不同打法吗？ 罗平： 我们自己的两台机器人使用同一套SMASH系统。正式比赛面对其他队伍时，每支队伍都有自己的模型和系统。 目前可以为机器人预设不同策略，比如偏快、偏慢或者选择不同落点，但还没有做到在与某个对手交手的过程中实时学习。只有实现在线学习，机器人才能进一步针对具体对手调整打法。 机器人对打产生的数据会被保存下来，用于后续的真机强化学习。成功和失败的回合都积累下来，之后才有可能形成所谓的 自进化 。现阶段的训练数据仍然以人类数据为主。 量子位：为什么组委会把乒乓球设为正式对抗项目？ 罗平： 这届比赛中，乒乓球和自由搏击是少数要求机器人完全自主完成的项目，不允许遥控。乒乓球也是第一次作为人形机器人正式对抗项目出现。 李莹辉： 马拉松也可以让机器人自主沿路线跑，但路径和规则相对固定。打球时，机器人需要自己判断球路、做决策并完成击打，整个过程是闭环的。它代表机器人从执行预先设定的动作，走向根据环境变化实时行动。 我们并不是为了这次比赛才开始做乒乓球。团队从2025年10月前后就开始布局，比赛只是研发过程中的一个阶段节点，但确实加快了系统迭代。 机器人背后的系统：SMASH 2.0 量子位：目前使用的是SMASH 2.0吗？相比论文里的1.0，主要升级在哪里？ 李莹辉： 2.0的一项重要提升是 击球范围 。我们引入了大量人类运动数据进行仿真训练，让机器人能够覆盖更完整的击球空间，既能接短球，也能接长球。 另一方面，我们在SMASH 2.0加入了自主发球。要按照11分制的规则去完成一局完整比赛，机器人必须要能够轮流发球，所以自主发球系统也是完整对局不可缺少的一环。 量子位：人类运动数据大概有多少？怎样采集？ 李莹辉： 团队连续采集了一两个月，每天采集4到8个小时。 目前主要由教练员穿戴动捕设备打球，我们从中获得高质量的人体运动数据。也会尝试无穿戴采集的方案，让人直接上场打球，再通过视觉算法恢复人体姿态。无穿戴方案的单条数据质量可能会有所下降，但整体数据规模可以做得更大。 乒乓球数据有很强的定制化处理需求，目前主要由团队自己采集和处理。影视、游戏行业过去常常按秒计算动捕数据，而机器人训练算法模型所需的数据则往往按分钟甚至小时进行计算，数据量级完全不同。 量子位：你们怎样划分SMASH 1.0、2.0和3.0的不同阶段目标？ 李莹辉： 1.0的核心是全身运动与主动感知，先把闭环跑通；2.0强调更完整的击球区域和更广泛的来球覆盖；3.0会聚焦旋转球。 从实际表现看，1.0阶段的人机对打，机器人更像是个初学者，还需要人类喂球；我们预想，通过SMASH 2.0，机器人能够尝试处理覆盖范围内的各种来球，即使成功率还不是百分之百，但已经可以做到不用喂球，让机器人真正跟人进行对打。 量子位：机器人接短球和反手球，为什么更难？ 李莹辉： 短球和长球要求机器人覆盖完整的击球区域。接短球时，还必须处理身体、球拍与球台碰撞的约束。机器人不能只适应固定落点，而要根据来球主动选择近台或远台击球。 反手则对全身协调和平衡提出了更高要求。机器人的手臂长度有限，正手击球空间相对更大；接反手球时，往往必须配合躯干和下肢运动。 量子位：下一步最难攻克的球是什么？ 李莹辉： 下一步最大的技术点是处理 旋转球 。要接近专业运动员水平，机器人必须感知球的旋转，并精细控制手腕和球拍。 工业机械臂的控制频率很高，也不需要同时处理双足与地面的动力学扰动。反观人形机器人，要在维持全身平衡的同时，在毫秒级窗口内精确调整手腕和球拍，这是更复杂的控制问题。 为什么偏偏是乒乓球 量子位：为什么选择乒乓球作为具身智能落地的第一个专业场景？ 李莹辉： 第一，它是国球，受众广、交互性强；第二，它是很好的技术练兵场，对高速来球感知、实时决策和全身控制的要求都很高。 罗平： 专业乒乓球运动是脑力策略竞技和精细指尖控制的结合。对于人形机器人，需要策略，需要大脑、手和腿快速协调。如果未来两年，人形机器人能够打赢水平较好的人类选手，我们可以相信它也能很好地完成其他任务。 量子位：为什么不从羽毛球、网球开始？ 李莹辉： 这些球类运动侧重点不同，特别是旋转对接发的影