PingpongDuo 亮相：两台 Unitree 人形机器人打乒乓双打，连续对打超 10 回合

过去看人形机器人打乒乓球，基本都是一台机器人站在球台前，和人类或发球机单挑。单人打球只要盯住球就行，但如果是双打，难度直接翻了几倍。

打过乒乓双打的都知道，规则要求队友必须轮流击球。这意味着每打完一板，你得赶紧从球台中央挪开给队友腾出击球空间，同时还得防着两个人撞在一起。

来自香港大学、上海创新研究院、Archon Robotics 和 NVIDIA 的研究团队发布了一个名为 PingpongDuo 的机器人控制框架。他们把两台 Unitree G1 人形机器人放在球台同一侧，成功实现了双打配合，并在真实测试中打出了超过 10 个回合的连续对打。

刚挥完拍，就得在 2.4 秒内给队友让路

双打最棘手的地方在于球台一侧空间极其狭窄。球速飞快，机器人不仅要预测轨迹跑位击球，还要在击球后迅速撤退。

在真实测试中，一台 Unitree G1 机器人在击球后完成一次 2.15 米的让位与复位动作循环，仅仅用了 2.4 秒，跑动时的峰值速度达到了每秒 2.23 米。研究数据显示，在让位过程中的定位误差只有大约 2 厘米左右。

为了做到这一点，PingpongDuo 采用了分层控制方案。在团队层面，规划器专门计算两台机器人的站位，配合一个风险评估器来监测手、脚和身体发生碰撞的几率。如果发现有撞车风险，安全过滤器会主动调整走位，但优先保证正准备击球的那台机器人能顺利挥拍。

在机器人个体层面，系统把步法和手臂球拍控制拆成了独立的 AI 策略。步法策略参考了人类双打比赛视频，包含大约 200 种不同距离的步伐序列，机器人能在击球、让位、回位和等待之间无缝切换。

而在挥拍控制上，团队利用物理仿真校准了球的飞行、弹跳和球拍接触数据，实时微调手臂的 7 个关节。在仿真测试里，这套系统的回球成功率比前沿基准提升了 13.2%。

不过研究人员也坦言，目前的系统还有明显短板。两台机器人打球依然依赖场地周边的外部动作捕捉设备，而且算法目前完全没有考虑乒乓球的旋转。接下来他们打算攻克机载视觉感知、旋转预判以及自主攻守策略。

为什么重要

我们认为，PingpongDuo 这项实验最有意思的地方，不在于机器人乒乓球水平能不能打赢人类选手，而在于它攻克了高动态场景下多台机器人的物理协作。

过去的双足人形机器人大多专注于单体技能，比如自己走路、搬箱子或单人操作。一旦把多台机器人放进同一个狭窄的物理空间，它们往往只能各走各的，或者靠简单的减速避让，动作迟钝且容易僵死。

乒乓双打把这种协作推到了极限：两台重型硬件在极短时间内高速冲刺、换位、挥臂，容错空间只有几厘米。这套框架证明了，通过把团队级避障规划与单体高动态技能解耦，完全可以在不牺牲单体敏捷度的前提下实现默契配合。

对行业来说，这种多智能体敏捷协同能力正是工业流水线、狭窄仓储以及灾后救援等场景急需的。如果两台机器人在紧凑空间里交替作业时不再相互挡道，人形机器人的协同作业效率就会迎来质的跃升。

当然，目前严重依赖外部动捕和忽略旋转，意味着它离真正落地的自由竞技还有很长的路要走。但看起来，人形机器人走出孤岛、学会打配合的第一步，已经稳稳迈出去了。