在多个高速摄像机和高带宽预测控制系统的帮助下，机械臂可以快速估算来球的速度和轨迹，并执行多种挥拍方式，包括弧圈球、抽球或削球，从而将球精准地击打到桌上的目标位置，并形成各种旋转。

测试中，工程师们向机器人连续投掷了150个球，机器人成功回击了所有三种挥拍方式的球，命中率高达88%左右，且击球平均速度为11米/秒，堪称一大进步。

MIT的研究人员曾表示：“以前那些都是专门为打乒乓球而设计的机器人，而我们正在探索如何将乒乓球运动的技术转化为更通用的系统，比如一个可以做很多不同、有用事情的人形机器人或拟人机器人。”

这不，过去不到3个月这个小目标就实现了。

对HITTER的评估结果显示，在虚拟击球平面上，这台经过“乒乓球特训”的Unitree G1在26个不同方向的来球中，成功回球24个，1 个来球未完成回球，1个来球完全未击中，对应的击球成功率为96.2%，回球成功率为92.3%。

另一个亮点就是，全身控制策略使得人形机器人具备灵活的到位能力，能够在保持平衡的同时，从球台右侧迅速跨至左侧，并成功完成击球动作，同时，该全身控制策略可生成类人化的击球动作，包括击球时的协同转腰动作，而且可以和不同身高的人打。

HITTER作为一种基于分层规划与学习的人形乒乓球机器人，目前仍有几大局限性：

1、虚拟击球平面限制，当前系统假设乒乓球台末端存在一个固定的虚拟击球平面，这一设定限制了击球策略的多样性，在应对过短或过长的来球时效果会不好；

2、依赖外部动作捕捉系统，球体位置与机器人底座姿态的信息需由外部动作捕捉系统提供，机器人本体还不具备；

3、旋转球处理能力与击球技巧的局限，现在它只学会了相对简单的“平推” 回球技巧，正手拉弧圈球、反手削球、侧旋挡球什么的它接不住。

AI生成画面

研究人员表示，多智能体训练与发球功能，以及学习与高水平对手对抗是下一步的目标，未来希望能打造出具备“锦标赛级水平”的人形机器人乒乓球选手。

HITTER的研究论文小组共有8人，其中4位来自中国。

二作Bike Zhang于2017年获得华中科技大学电气工程及其自动化专业工学学士学位，目前正在美国加州大学伯克利分校攻读机械工程博士学位，研究兴趣包括预测控制和强化学习及其在足式机器人中的应用。

其中，Yuman Gao在2021年毕业于浙江大学控制科学与工程专业，并同时在竺可桢学院攻读高级工程教育荣誉班（ACEE）辅修学位，目前，他在浙江大学FAST实验室攻读自动化博士学位，研究方向包括多机器人系统的运动规划和自主导航。

Qiayuan Liao目前是加州大学伯克利分校混合机器人实验室（Hybrid Robotics）二年级博士生，他曾是广东工业大学DynamicX机器人团队队长，南方科技大学CLEAR实验室本科生研究员，此外，他还在波士顿动力公司担任研究实习生，负责E-Atlas的强化学习控制研究，是一位全栈机器人研究员，致力于创建能够实现敏捷、稳健的运动和操控的系统。

虽然现在人形机器人的“球技”还不太行，不过能预见的是，如果厂商的人形机器人们学会了这项技能，无疑在展示的时候又增加了一大吸睛点，满满的商业化加分项，继马拉松、足球赛、格斗赛之后，可以期待机器人乒乓赛了。

-END-

如果您有什么想说的，欢迎在评论区留言讨论！

投稿或寻求报道，欢迎私信“投稿”，添加编辑微信。

【2025免费新年礼】：了解最新科技趋势分析、行业内部的独家见解、定期的互动讨论和知识分享、与行业专家的直接面对面交流的机会，领取100份AI科技商业研报合集，加群共同探讨与成长——

扫描下方二维码，添加头部科技晶总微信！