对打几十拍，机器人练成了乒乓球能手

8月22日，第二届世界人形机器人运动会开幕式上，奥运冠军丁宁和一台人形机器人在乒乓球台前对打了20个回合。乒乓球正赛上，16支机器人战队站上球台，最终，北京大学-智源研究院联合战队拿下冠军。

智元远征A3机器人和乒乓球运动员丁宁对打。智元供图

几个月前，这些机器人还无法对战乒乓球。到了8月，两台机器人之间已经能连续对打77拍。

统一的本体、动捕系统，让这一对局更接近算法之间的较量。机器人什么时候能用自己的眼睛看球、像人一样做决策，是这一赛项留给明年的课题。

从不会打球到对打77拍

开幕式的聚光灯下，丁宁站上球台，对面是一台人形机器人。人机一来一回，解说数着回合，一直数到20。

计算机与数据科学学院科研副院长、超维战队领队罗平后来回忆，在开幕式直播的时候，丁宁吊球时其实是在“喂球”，希望打的回合数更长些，但丁宁的球左右偏移很大，远超之前系统训练时的舒适区，没想到机器人做出了很多大幅跨步接球的动作，这让他感到十分意外。

这不是机器人第一次让人眼前一亮。智元通用业务部副总裁、远征产品线总经理曹旭告诉新京报贝壳财经记者，不久前，智元与北京大学战队合作，两台机器人隔着球桌打到了77拍，“我们认为很快机器人对打的回合数量能够超过人机对打。”

机器人对打乒乓球。主办方供图

2026世界人形机器人运动会首次设置乒乓球比赛，最终被北京大学-智源研究院联合战队拿下冠军。

北京大学计算机学院研究员仉尚航介绍，其团队于2024年秋天启动机器人乒乓球项目。项目早期采用“机械臂+滑轨”的形态，并非完整的人形机器人。到2026年4月初，团队开始将相关算法迁移到人形机器人本体，“大概只花了10天时间”。

仉尚航将这种跨本体迁移概括为“一脑多形”——核心算法能力可以在不同机器人形态之间迁移和适配。此前，团队围绕SpikePingpong系统开展研究，将高速视觉感知、球路预测与运动控制结合，用于应对乒乓球高速运动带来的感知和控制挑战。算法从机械臂进一步适配到人形机器人后，控制对象也从相对局部的机械臂运动，扩展到腿部躯干手臂等多部位协同。

在仉尚航看来，机器人乒乓球并不存在依靠某一个单点能力就能取胜的捷径。从识别来球、预测轨迹，到生成击球策略，再到完成全身运动控制，各个环节之间需要连续衔接。“如何感知、预测得更准确，全身运动控制更加精准，能覆盖比较大的击球范围，每个环节都需要做好，才有整体的夺冠能力。”

亚军香港大学超维战队的故事则从半年前一次受到的启发开始。当时，团队看到伯克利大学全球首个人形机器人打乒乓球的项目，感到非常惊艳，于是着手研究起乒乓球，从人出发，看人怎么在保证全身平衡的同时去精准击球。

今年4月，团队研究出全球首个可户外自主感知的高动态人形机器人乒乓球系统SMASH，还受邀与世界冠军陈梦进行了对打，也在本届运动会被邀请参赛。

支撑本届乒乓球赛事训练的机器人本体是智元远征A3，曹旭介绍，乒乓球项目四月份才启动，短短几个月，机器人从完全不会打球，练出了步伐移动、正反手能力，偶尔还能完成抽球等高难度动作。

4月份开始，智元陆续把本体、运动控制模型、运动控制参数调整和调试经验作为最初始资料提供给报名参赛队伍。一直到七八月，持续有队伍加入，最终一共有9所高校和1家企业（中国电信）研究院参与进来。

“我们与每个队伍都有一个专项的群，大家一起沟通技术。我们会不断更新资料。每支队伍慢慢形成自己的风格以后，也会出现一些定制化的需求。”曹旭表示。

身体先到位

这场比赛能在几个月内成形，还与机器人本体进化有关。

曹旭介绍，乒乓球比赛中，智元提供的统一本体身高1.73米，接近成年男性身高，但体重只有55公斤，“当机器人力量很大体重又很轻时，运动速度就会非常快，而机器人关节又有接近400牛米的峰值扭矩，爆发力强。”

硬件之外，真正让机器人“学会打球”的是算法和数据。曹旭介绍，这套算法基于一个泛化的运动底座，再叠加专项数据进行强化学习。

机器人对打乒乓球。主办方供图

是否具有足够量级的专业数据关系着机器人的打球“实力”，各队心里也都有一本账。

罗平团队采集了过百小时的人类教练和专业运动员数据。他和其他队伍交流后发现，各队策略不同，有的队伍采集的真人数据较少，有的则更充分、占据优势更明显；相比之下，有些队伍的机器人下肢几乎不动，只靠上半身完成动作，而他们的机器人在比赛中回球和姿态更丰富多样，更接近人类的回球方式。

打一场乒乓球，机器人要在极短时间里看清来球的位置和落点，决定如何回球，用什么角度、力度，再指挥灵巧手抓住球拍，准确击打一个很小的球，把它送回对方的球台。感知、决策、移动、灵巧手自由度，每一环都要跟上。有些队伍的机器人打球反手用得比正手多、近台作战比中远台多，这些都是模型训练出的结果。

这套感知-决策也是机器人“大脑”运作的过程。“视觉系统判断球的位置，大脑决定怎么回球。四肢的快速协调和灵巧手对机器人而言是极其困难的任务，策略调度则属于大脑。”罗平进一步解释称，对方发送同一个球，第一次失败，第二次接住球就体现出大脑的能力。“如果没有大脑，那么无论第一次还是第二次都会失败。”

有的战队很少用到大脑层面的调度，比赛时大部分站桩不动。而罗平所在战队的机器人则能够双脚跳动。罗平也坦言，虽然表演非常出色，但比赛时表现不稳定，更加累人。

发球是今年新啃下的一块硬骨头。曹旭提到，去年的时候大部分机器人只能回球，还得靠人来发球；今年规则上增加了机器人自主发球的要求，两台机器人要完整打完一场比赛。

他认为，这更考验队伍的创意，究竟是抛起来发，还是灵巧手发，还是做自由落体的发球。“有支队伍在回球的同一只手上开了个凹槽，把球放进去，用同一只手完成发球和击球，而不像人一样用一只手抛球、另一只手挥拍。”

赛事规则也向机器人现有技术水平倾斜。曹旭介绍，今年规则上不允许有过多的短台击球，鼓励长台，避免比赛显得枯燥，也避免接球算法得不到验证；同时设置了10秒发球时限。

此次赛事为保证参赛条件相对统一，比赛现场由组委会提供动捕系统。仉尚航解释称，“动捕系统比较容易统一，如果真的使用‘眼睛’，每家研究都不太一样，质量参差不齐，短时间内难以快速统一进行比赛。大赛组委会提供动捕系统是一种相对公平的方式。”

体育赛场是这一年多里人形机器人集中亮相的地方，而赛场上秀出的肌肉能用在哪，各家都有答案。

“这次我们采集到了大量的乒乓球专业数据，这些是以前基础模型所没有的。”曹旭介绍，以前的基础运动模型能让机器人完成走路、跑步、挥手等简单的动作，每增加一次乒乓球挥拍动作数据，模型就会增加更多的能力。

走下赛场留下什么

体育赛场是这一年多里人形机器人集中亮相的地方，而赛场上秀出的肌肉能用在哪，各家都有答案。

曹旭认为，感知、预测、决策这套链条很多“大脑”任务都用得到，比如机器人拿一杯水，也需要感知位置、做出如何拿的决策，乒乓球训练出的能力“可以拉高我们的上限”。不过乒乓球面对的是刚性物体，叠衣服面对柔性物体，两者有差异，但技术最终都会沉淀到底层模型里。

在仉尚航看来，乒乓球所要求的快速感知、动态预测和精细控制，与未来家庭服务、工业操作等场景所需要的部分底层能力具有共通性。相关能力如果能够在高速动态任务中持续得到验证，也有望进一步迁移到更多真实场景。

不过，从赛场走向真实生产生活并非简单复制。比赛提供了一个边界相对明确、结果容易衡量的环境，可以检验机器人在高速动态任务中的阶段性能力；家庭和工厂场景则更加开放和复杂，对泛化能力、长期稳定性以及系统可靠性提出更高要求。

其他球类或竞技体育项目同样考验机器人对不确定性的感知、决策能力，但乒乓球要求决策的速度更快。

曹旭表示，乒乓球台短、球速快，留给机器人判断决策的时间更短，反应要比网球、足球等运动更快。此外，乒乓球还要考虑机器人跟球台之间的关系，比如回拍时不能打到球桌。

仉尚航同时表示，短期内机器人乒乓球单打项目在感知、决策等方面仍有不少问题需要突破。对具身智能行业而言，运动会的价值也不只在于奖牌本身：赛场可以验证算法、本体和系统协同的阶段性能力，但从“能比赛”走向“能长期、稳定地工作”，仍需要在泛化能力、系统可靠性以及真实场景适应性等方面持续推进。

具体来看，曹旭认为，未来希望抛掉现场统一使用的高速相机，全部用机器人本体完成感知；在技术动作上，横拍拉球、远台回球、抽球目前用得比较少，下肢移动范围也可以进一步扩大。

机器人打乒乓球这条路走的时间不长，本体给了高爆发力，数据给了“手感”，未来人形机器人能否更聪明、像人一样打乒乓球，留给赛场下继续解答。

新京报贝壳财经记者 韦英姿 张晓慧 编辑 陈莉 校对 柳宝庆