上海创智学院等团队提出 PingpongDuo：两台宇树 G1 实现人形机器人乒乓双打协同

PingpongDuo团队 投稿 量子位 | 公众号QbitAI 红衣机器人挥拍把球送过网，随即向旁边撤开； 蓝衣队友上前接住下一球，打完，再把位置让出来。 两台宇树G1站在球台同一侧，和对面的人类搭档打起了乒乓双打。 △ 两台G1在球台同一侧轮流击球，打完后为队友让出位置。 对机器人来说，这项“国民运动”是不小的挑战：按照乒乓双打的规则，同一队的两名选手必须交替击球。 球就算飞到自己面前，只要还没轮到，也得把这一拍交给队友。 跑动也会影响挥拍。 只要身体在横移，球拍碰到球时的速度和朝向就可能发生变化。

单次击球练得再熟，也得适应连续走位之后的身体状态。 根据这些现状，来自 上海创智学院、源策未来、香港大学和英伟达 的研究团队提出了 PingpongDuo ，通过联合站位规划和全身运动控制，让两台G1交替完成击球、让位和回位。 相关论文已公开为arXiv预印本。 △ 完整视频 两台机器人的位置，要放在一起算 每次来球，系统根据连续观测估计球的位置和速度，预测接下来的飞行与反弹，再选择触球的位置、时间，并计算把球打向目标落点所需的球拍速度。 这部分沿用了已有单打系统的规划思路。 到了双打，还要加上队友的位置。

PingpongDuo用一个团队规划器，同时给两台机器人安排横向移动目标； 经过风险检查后，目标才会交给各自的运动控制器。 △ 方法总览 规划器能看到一段来球位置历史、双方当前的位置，以及之前接受的移动目标。 它通过PPO强化学习，在连续来球的仿真训练中尝试不同站位，既争取完成回球，也学习减少危险的相互接近。 训练这一层时，底层运动控制器和风险模型保持固定。 风险模型则用另一批仿真数据训练。 团队给两台机器人设置随机目标，也在原有规则站位上加入扰动，让它们在仿真中执行。

过程中，双方内侧的手、脚和机身一旦小于设定间距，就会被标记下来，用来训练模型识别危险的目标组合。 风险模型根据当前状态和候选目标，估计接下来移动时双方会不会靠得过近。 例如，两台机器人眼下还隔着一段距离，朝各自的目标走过去后，却可能挤到一起。 如果一组目标的预测风险太高，系统会调整它们。 但两台机器人并非各退一步： 正在准备击球的那台，目标尽量少动； 另一台多让一些。 “角色加权”给击球者的目标调整设置了更高的代价。 这一拍的触球位置和时机已经选好，如果为了拉开距离，把击球者也挪走，这一拍可能直接落空。

△ 团队规划：左侧示意目标与角色切换，右侧展示实机动作。 等下一拍轮到队友，优先级也随之交换。 两台机器人轮流获得击球空间，同时为之后的回位做准备。 在使用相同风险过滤器的条件下，把规则站位换成学习得到的联合站位，仿真中的平均连续合法回球数从3.79次提高到4.87次。 △ 平均连续合法回球数：规则站位3.79次，联合站位4.87次； 两者使用相同风险过滤器。 误差线为标准差。 会移动、会挥拍，接在一起还要再练 位置算好了，脚下还得跟得上。

实机测试中，一台机器人能在 2.4 秒内完成总移动距离 2.15 米的让位与回位，峰值速度达到 2.23 米/秒。 这段测试包含向外撤开、换向和返回。 这些步法参考了人类的双打动作。 研究团队采集全身运动，把不同方向、不同距离的移动切成片段，再转换成适合机器人身体结构的参考动作。 需要向哪边移动、移动多远，系统就选取相应的片段。 训练时，机器人一边模仿步法，一边学习跟踪目标位置和速度、保持平衡，以及到位后的制动和等待。 挥拍则单独训练。

它也控制全身，不过要求集中在触球的那一刻：球拍的位置、速度和朝向，要同时满足击球指令。 移动需要持续调整，击球则要把精度集中在这个短暂时刻，分开训练可以分别照顾两种任务的要求。 △ 短距离与长距离步法、正手与反手挥拍：动作参考与实机表现对照。 但把两个训练好的控制器切换着用，还不能直接得到连续双打。 问题出在切换的瞬间。 如果步法总从站稳的姿势开始练习，实机上却要从刚挥完拍、身体还在转动的状态开始撤步，就会遇到训练中没准备过的情况。 击球也一样：站稳了能打好，换到脚下还带着速度的回位途中，动作就未必合适。

团队把上一项动作留下的身体状态，直接用作下一项技能的训练起点。 具体来说，先收集机器人击球后的姿态、速度和关节状态，再让步法控制器从这些状态开始练习。 反过来，也记录移动过程中产生的身体状态，让击球控制器在这些条件下练挥拍。 实际运行时，状态机负责交替击球和技能切换。 轮到本机的击球指令到来后，可以直接接管正在进行的移动； 挥拍及随挥结束，再交回步法控制。 切换前的控制历史会继续保留，参考动作也经过短暂过渡。 两台机器人使用的还是同一套技能策略。

针对另一侧的队友，系统将观测、指令、参考动作和关节动作一并作左右镜像，对应左右手击球和相反方向的让位。 △ 先展示两种技能如何交换训练起点，再看实机中的连续移动与挥拍。 球拍碰到球，还不算成功 已有的人形机器人乒乓球工作中，球拍目标跟踪训练要求球拍在指定时刻达到目标位置、速度和朝向，不直接模拟球拍与球的交互，也不根据过网、落台结果更新策略。 PingpongDuo则加入球交互仿真，用回球结果训练持拍臂修正。 在原有挥拍动作上，系统增加了一项持拍臂残差策略。

“残差”可以理解为额外的修正量：原有控制器先给出动作，新增策略再根据身体和球的当前状态作小幅调整。 训练时，基础技能保持不变，只学习持拍臂七个关节该怎样修正。 修正幅度受到限制，并在接近触球的一段时间内逐步加入，随后撤去。 △ 持拍臂修正 首先，仿真里的球得尽量接近真实的球。 团队用动作捕捉设备记录球的飞行、球台反弹，以及与运动中球拍的碰撞，分阶段校准空气阻力、反弹和接触参数。 后续训练就在这个经过实测标定的仿真环境中进行。 训练时，机器人先移动，再尝试击球。

碰到球、越过球网、落在对方球台内，这些结果都参与训练反馈。 完成合法回球后，训练还会进一步考察落点精度和过网余量； 漏球、出界等失败则受到惩罚。 球拍跟踪、身体稳定和修正幅度的约束也仍然保留。 训练中还会改变物理参数、加入球状态的观测误差和执行延迟，让策略接触到不同于理想仿真的情况。 单机器人仿真测试中，基础技能保持不变。 加入持拍臂修正后， 合法回球成功率从44.2%提高到55.6%，增加11.4个百分点。 测试按双打交替的节奏安排来球，覆盖移动中和准备位置两种击球状态。 △ 不同方法的合法回球成功率。

Without refinement表示关闭持拍臂修正，误差线为标准差。 图中为五组不同随机种子的评估结果，每组100球，统计的是球过网并落在对方球台内的比例，漏球也计入总次数。 俯视图展示的是单组结果，每种方法各进行100次仿真击球。 动画逐次显示落台和触网位置，十字标出目标落点，颜色表示击球前的移动速度。 这组落点结果与上方的五组平均成功率分别统计。 △ 单组100次仿真：●合法回球，▲触网，＋目标落点； 颜色表示击球前的移动速度。 单组计数与上方五组平均成功率分别统计。

实机上的双打配合 两台G1在与人类搭档的一段实机对打中，连续完成了18次交替回球。 △ 实机连续对打：机器人队伍完成18次交替回球。 PingpongDuo面向人形机器人高动态体育运动，将来球感知、团队决策与全身运动控制结合起来，并在真实乒乓双打中实现双机协同，为动态环境下的多机器人协作提供了实机验证。

论文题目：PingpongDuo: Agile Humanoid Table Tennis Doubles with Safe Team Coordination 项目主页：https://www.archon.tech/research/PingpongDuo 论文链接（arXiv）：https://arxiv.org/abs/2610.20579 一键三连 「点赞」「转发」「小心心」 欢迎在评论区留下你的想法！

— 完 — 【学术投稿】请在工作日发送邮件至： ai@qbitai.com ，标题注明【投稿】，并告诉我们： 你是谁 ， 从哪来 ， 投稿内容 附上 项目/主页链接 ，以及 联系方式 。 🎓 我们会 (尽量) 及时回复你 :) 🌟 点亮星标 🌟 科技前沿进展每日见