跑赢人类之后，人形机器人盯上了挥拍运动

发球、移动、回球，人形机器人已可以实现全自主挥拍对打。在第二届世界人形机器人运动会（World Humanoid Robot Games）开幕式上，网球和乒乓球这两个表演项目受到高度关注。面对网球名将郑洁和乒乓球奥运冠军丁宁，来自银河通用的网球机器人与香港大学SMASH团队的乒乓球机器人从容应战，自主发球、调整步伐、正反手回击流畅进行，还能完成捞球、吊球等技术动作，实力已接近达到人类初学者的水平。表演赛之外，乒乓球也首次被列入世界人形机器人运动会的正式赛项，比赛采用11分制规则，两台人形机器人全自主完成完整对局，来自北大、清华、港大、上交、伯克利等高校和企业的共12支战队决一胜负。最终，北京大学智源研究院联合战队夺得冠军，香港大学SMASH超维战队获得亚军，上海交通大学/上海创智学院联合战队获得季军。而前不久在亦庄刚结束的2026世界机器人大会（World Robot Contest）上，乒乓球已成为厂商展示技术的重要窗口——超维动力、动易科技、极佳视界、宇树科技均在其展台设置了乒乓球人机互动区域，吸引了大量观众前来互动。挥拍运动正成为人形机器人领域新的技术竞技场，吸引着越来越多的高校研究团队和机器人厂商入场布局。为什么是挥拍运动？据中新经纬报道，青瞳视觉创始人张海威将机器人可实现的运动分为三类：套路式运动（如舞蹈）、单人对抗性运动（如网球、乒乓球、羽毛球）以及团队对抗运动（如足球、篮球）。张海威进一步指出，目前套路式运动可通过预编程方式实现，技术相对成熟；挥拍运动这类单人对抗性运动需要机器人具备实时感知与决策能力，取得了初步进展；团队对抗运动涉及复杂协作与博弈机制，仍处于探索阶段。此次世界人形机器人运动会上，共设置了田径、体操、乒乓球、武术、自由搏击等11个赛项。在体操、武术、体育舞蹈等项目中，人形机器人已能完成前后空翻等高难度动作，也能伴随音乐完成流畅的舞蹈表演；在跑步、跳高等考验底层运控能力的项目中，人形机器人的成绩多次超越了人类此前创造的世界纪录。而挥拍运动，则是人形机器人如今要翻越的下一座山。它要求人形机器人在极短的时间内实现对高速移动球体的视觉捕捉、轨迹预测与反应决策，同时还要协调全身动作并保持自身平衡。正如北京大学计算机学院研究员仉尚航在接受《新京报》采访时所说：“机器人打乒乓球，考验的就是眼、脑、身的协作。‘眼睛’捕捉运动轨迹，‘大脑’快速预测与决策，再调动全身精准执行。”这种能力与真实世界的需求高度匹配。对人形机器人而言，挥拍运动在毫秒级时间内所训练的“感知—决策—执行”闭环，与工业分拣、家庭服务等现实场景的底层逻辑相通——先感知环境，再做出判断，最后执行。“人形机器人在乒乓球项目中所锻炼的感知决策、运动泛化和运动控制能力，本质上都有非常强的迁移性”，香港大学SMASH超维战队队长李莹辉向懒熊体育表示，人形机器人在现实生活场景中做任务，比如捡垃圾，同样需要先定位目标物体，再规划动作路径，最后精确执行。难点在哪里？对人类而言，面对来球、挥拍回击几乎是一种本能。但对人形机器人来说，这背后却是庞大的工程量与一道道需要跨越的技术难关。挥拍运动是高动态运动，对感知要求极高。乒乓球从发球到过网只需不到0.15秒，球速可超过15米/秒；网球时速更是动辄上百公里。球体小、速度快，还带着旋转，传统的视觉方案在高速运动下容易出现图像模糊或感知延迟。当前主要的解决方法是安装外部视觉感知系统。这次人形机器人运动会上，乒乓球和网球赛场均安装了多台动捕摄像头，能在毫秒级时间内锁定球与机器人的坐标及运动轨迹，为后续决策提供实时数据。而日常的训练中，北京大学团队的SpikePingpong算法将高达20kHz（每秒两万次）高频脉冲视觉与模仿学习策略融合在一起，能让机器人实时捕捉球的精确轨迹，并补偿空气阻力等干扰，实现毫米级的球-拍接触点预测。看清来球只是第一步，真正的挑战在于决策与执行。在当前的人形机器人研究中，“大脑+小脑”是理解这一过程的常见框架：所谓“大脑”，主要负责判断和决策；“小脑”则负责运动控制，将决策转化为身体各部位的动作，二者协同，才能让机器人实现更高程度的全身协调，并完成持续、稳定的动态任务。放在乒乓球场上，“大脑”必须在毫秒级时间内完成轨迹预测、落点判断和击球策略生成，“小脑”则同步将其转化为精准的全身运动控制。此次乒乓球赛事统一采用智元机器人作为本体，核心比拼的正是各队的算法能力。在“大脑+小脑”的协同方式上，各队选择了不同的技术路径。兴业证券今年4月发布的人形机器人专题研报中，将主流框架分为两类：分层式与端到端式。分层架构采用“大脑—小脑—肢体”的分工；端到端架构则直接从人类指令映射到机器人动作，集成度更高。▲具身智能大模型架构类型伯克利团队和香港大学团队均采用分层架构，上层采用基于模型的规划器，负责球轨迹预测和击球位置、速度、时机的计算；下层采用基于强化学习的全身控制器，负责将规划目标转化为协调的手臂和腿部动作。香港大学团队还在下层学习中融入大量人类运动数据，赛前采集了两个月的人类乒乓球运动员击球数据，覆盖整个球台范围，最终通过动作数据库匹配让机器人“在仿人运动的基础上实现精准击打”，目前已经可以完成近台挑球、远台扣杀、捞球的技术动作。李莹辉向懒熊体育透露，其团队后期会向端到端模式演进。清华大学iPingPong战队则选择了更具挑战性的端到端模型。队长郑梓昂向《北京日报》解释道：“这种模式算法设计和训练困难，但性能上限高。比如它可以学会反手大力抽杀这样类似于专业运动员的技术动作，传统分层方案不具备这种可能，但训练难度会大幅提升。”决策与执行之外，硬件本体同样决定着运动上限。此次赛事统一使用的智元远征A3，身高1.73米、体重仅55公斤。智元通用业务部副总裁曹旭向《新京报》表示，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，瞬间爆发力很强。体育场景下的商业化前景从当前来看，人形机器人在挥拍运动中的表现还处于人类初学者的水平——能接住球，但步伐、预判和复杂球路的处理仍有不足。体育场景下的商业化也尚处于验证期。一方面，技术还未完全成熟，离稳定的商业化部署尚有距离，不少厂商仍在观望。在灵巧手的运用、旋转球的应对，以及全场的跑动上，人形机器人还有较大的提升空间。另一方面，当前成本仍然较高，无论是动捕系统的部署还是机器人本体的制造，都难以支撑大规模推广。以感知方案为例，OptiTrack光学动捕摄像头单台售价数万元，一个场地至少需要6至8台才能实现有效识别和覆盖，叠加数十万元级别的机器人本体，整套系统部署成本居高不下。对此，港大SMASH团队正探索基于机载摄像头的纯视觉方案，逐步摆脱对外部动捕系统的依赖。其团队在今年山东乒乓球文旅嘉年华上，已凭借自研的自主感知系统，在户外与奥运冠军陈梦实现乒乓球对打。李莹辉向懒熊体育表示，“人形机器人走进千家万户，一定要靠自己的视觉，走低成本路线，我们希望机器人在量产之后只有自身硬件成本”。这一方向一旦打通，将大幅降低部署门槛，也为机器人进入更多应用场景铺平道路。在李莹辉看来，“随着产业链越来越成熟，硬件成本会不断被压缩，未来人形机器人可以做到普通家庭能承担的价格，可能像汽车，甚至更低”。在具体的体育场景中，已有厂商在进行市场验证。今年7月，动易科技在广州设立“够C羽球馆”——一个以人形机器人自主打羽毛球为核心的沉浸式体验空间，进行了为期近一个月的常态化运营。实现单日体验峰值破千人、累计入场近万人次，为人形机器人挥拍运动的商业化场景提供了初步验证。▲动易科技“够C羽球馆”除了大众体验，人形机器人在职业体育领域同样有应用空间。人形机器人具有与人相似的身体结构，使其能够复现特定运动员的数据和打法，为职业选手提供定制化训练支撑。开幕式网球表演赛结束后，郑洁便向中央广播电视总台主持人康辉表达了这一想法：“希望未来人形机器人可以为我们专业运动员提供定制化训练，比如我怕接小威（Serena Williams）的发球，如果它能模拟发出类似的发球，对我训练能起到很好的辅助。”关于商业化落地的时间表。李莹辉判断，人形机器人在乒乓球领域实现商业化落地大概还需要2至3年，届时机器人有望达到陪练员水平。银河通用创始人王鹤则更为乐观，他在群访中表示，未来一两年内，人形机器人在网球领域有可能达到专家级水平，甚至挑战世界冠军。在跑步之后，人形机器人已经开始寻找新的能力边界。距离它们真正走进工厂和家庭，显然还有很长的路要走。但从一颗高速飞来的球开始，人形机器人已经在学习下一课，而它们的学习速度是同样惊人的。声明：本文由懒熊体育原创，未经授权不得转载。