PingpongDuo 亮相：兩臺 Unitree 人形機器人打乒乓雙打，連續對打超 10 回合

過去看人形機器人打乒乓球，基本都是一臺機器人站在球檯前，和人類或發球機單挑。單人打球只要盯住球就行，但如果是雙打，難度直接翻了幾倍。

打過乒乓雙打的都知道，規則要求隊友必須輪流擊球。這意味著每打完一板，你得趕緊從球檯中央挪開給隊友騰出擊球空間，同時還得防著兩個人撞在一起。

來自香港大學、上海創新研究院、Archon Robotics 和 NVIDIA 的研究團隊釋出了一個名為 PingpongDuo 的機器人控制框架。他們把兩臺 Unitree G1 人形機器人放在球檯同一側，成功實現了雙打配合，並在真實測試中打出了超過 10 個回合的連續對打。

剛揮完拍，就得在 2.4 秒內給隊友讓路

雙打最棘手的地方在於球檯一側空間極其狹窄。球速飛快，機器人不僅要預測軌跡跑位擊球，還要在擊球后迅速撤退。

在真實測試中，一臺 Unitree G1 機器人在擊球后完成一次 2.15 米的讓位與復位動作迴圈，僅僅用了 2.4 秒，跑動時的峰值速度達到了每秒 2.23 米。研究資料顯示，在讓位過程中的定位誤差只有大約 2 釐米左右。

為了做到這一點，PingpongDuo 採用了分層控制方案。在團隊層面，規劃器專門計算兩臺機器人的站位，配合一個風險評估器來監測手、腳和身體發生碰撞的機率。如果發現有撞車風險，安全過濾器會主動調整走位，但優先保證正準備擊球的那臺機器人能順利揮拍。

在機器人個體層面，系統把步法和手臂球拍控制拆成了獨立的 AI 策略。步法策略參考了人類雙打比賽影片，包含大約 200 種不同距離的步伐序列，機器人能在擊球、讓位、回位和等待之間無縫切換。

而在揮拍控制上，團隊利用物理模擬校準了球的飛行、彈跳和球拍接觸資料，即時微調手臂的 7 個關節。在模擬測試裡，這套系統的回球成功率比前沿基準提升了 13.2%。

不過研究人員也坦言，目前的系統還有明顯短板。兩臺機器人打球依然依賴場地周邊的外部動作捕捉裝置，而且演算法目前完全沒有考慮乒乓球的旋轉。接下來他們打算攻克機載視覺感知、旋轉預判以及自主攻守策略。

為什麼重要

我們認為，PingpongDuo 這項實驗最有意思的地方，不在於機器人乒乓球水平能不能打贏人類選手，而在於它攻克了高動態場景下多臺機器人的物理協作。

過去的雙足人形機器人大多專注於單體技能，比如自己走路、搬箱子或單人操作。一旦把多臺機器人放進同一個狹窄的物理空間，它們往往只能各走各的，或者靠簡單的減速避讓，動作遲鈍且容易僵死。

乒乓雙打把這種協作推到了極限：兩臺重型硬體在極短時間內高速衝刺、換位、揮臂，容錯空間只有幾釐米。這套框架證明了，通過把團隊級避障規劃與單體高動態技能解耦，完全可以在不犧牲單體敏捷度的前提下實現默契配合。

對行業來說，這種多智慧體敏捷協同能力正是工業流水線、狹窄倉儲以及災後救援等場景急需的。如果兩臺機器人在緊湊空間裡交替作業時不再相互擋道，人形機器人的協同作業效率就會迎來質的躍升。

當然，目前嚴重依賴外部動捕和忽略旋轉，意味著它離真正落地的自由競技還有很長的路要走。但看起來，人形機器人走出孤島、學會打配合的第一步，已經穩穩邁出去了。