机器人打乒乓球，这（zhei）您受得了吗？

关键玩的还都是高难度：并步接球！

0.42秒极限反应回击扣球！

最高还能对拉106拍！

打不过，反正我是打不过。

这位乒乓球场上的机器人高手，出自清华姚班本科生苏智（师从吴翼教授）的最新论文——《HITTER:AHumanoIdTableTEnnisRobotviaHierarchicalPlanningandLearning》。

在这篇论文中，研究者们提出了一套结合模型规划与强化学习的分层框架，实现了人形机器人在亚秒级（sub-second）反应下的稳定连续对打。

这是怎么做到的？

基于规划与控制的分层框架

总的来说，为了教机器人打乒乓球，研究团队提出了一个将高层规划与低层控制分开处理的框架。

其中，在高层规划中，基于模型的规划器（model-basedplanner）能够导航球的轨迹，并预测击球位置、速度和时机。

在低层框架中，基于强化学习（RL）的全身控制器，能够根据规划器的预测，生成协调的手臂和腿部动作来执行与人类相似的打击动作。

具体来说，研究团队直接将宇树G1的手掌变成了乒乓球拍，并让它站在一张标准尺寸的乒乓球台上进行训练。

在感知方面，研究采用了九个OptiTrack摄像头（运行频率为360Hz）来追踪球的位置，这达到了毫米级的精度。

在规划方面，基于模型的规划器在每个时间步接收球的位置数据，并预测球拍的击球位置、速度和时机。

这些预测被交付给全身控制器，以生成宇树G1所需的击球时机和球拍速度。

之后，机器人根据强化学习不断调整击球策略，提高运动表现。

此外，为了鼓励机器人做出类似人类的挥拍动作，研究人员还在策略训练中加入了人类动作参考（正手和反手）。

通过人类动作参考进行训练，机器人产生了与人类动作非常相似的击球行为：例如下图中机器人击球时的腰部旋转。

在真实世界的实验中，团队向机器人投掷了26个球，机器人成功回球24次，击中后未回球1次，完全失球1次，达到了96.2%的击球率和92.3%的回球率。

而且，就像我们开头提到的，G1在与人类对手对打时，实现了多达106次的连续击球，这一连拍远远超过了休闲人类玩家的水平。

此外，G1还表现出了回击扣球的能力。

最后，值得一提的是，除了与人类进行对战，机器人也可以在完全自主的匹配环境中持续进行对战。

为什么是乒乓球？

在前段时间的机器人运动会上，我们已经看到了不少机器人参与的运动项目(如跑步、拳击、足球等）。

不过，这些运动往往留给机器人较长的调整与反应时间。

而在现实生活中，机器人常常需要在动态环境下与快速移动的物体交互，这种交互从根本上讲更难：

因为它们不仅需要各个关节的协调控制，还需要在极限时间测量内运行的精密感知-行动闭环，而乒乓球正是此类交互的绝佳例子。

相对于网球或羽毛球等运动，乒乓球的距离更短、攻防转换更快、反应时间窗口更小（球速超过5米/秒）。

这就意味着机器人系统必须在瞬间内完成感知、预测、规划和击球以及与移动或静态的不同操作。

更难的是，成功的击球需要敏捷的全身运动，包括快速摆动手臂、转动腰部、快速垫步和恢复平衡，以确保准确击球并为下一次打做好准备。

所以，打乒乓球，对人形机器人来说，还真不是一件容易的事。

已经开始期待下一次的机器人运动会了！

能否赶上下周FOMC表决吗？米兰“冲刺”美联储理事　　美国参议院最快或下周一对白宫经济顾问委员会主席的提名进行表决　　当地时间周三，美国参议院银行委员会（SenateBankingCommittee）以13票赞成、11票反对的结果，决定将白宫经济顾问委员会主席米兰（StephenMiran）的美联储理事提名提交给参议院全体会议审议