PingpongDuo：两台人形机器人打乒乓球双打，连续交替击球超过10拍
Archon Robotics、香港大学、上海创智学院和英伟达的研究人员在10月14日公开的预印本中，让两台宇树G1人形机器人打乒乓球双打，在互不碰撞的情况下连续交替击球超过10拍。关键不在乒乓球本身，而在于两台高速移动的机器人共享狭小作业空间，这正是多台人形机器人同处一个工位时所需的能力。
两台必须严格交替击球的人形机器人，如何在狭小空间内快速让位，同时不损失击球精度？
既有人形乒乓系统只处理单台机器人。双打中刚击球的机器人要让开，队友要补位；让得太少有碰撞风险，让得太多又会拖慢下一拍并降低准度。
HITTER、SMASH等系统把击球规划与全身控制结合，专注单人回球；控制障碍函数等通用安全过滤器能保持机器人间距，却不衡量这对下一拍造成的代价。
以强化学习训练的团队规划器同时为两台机器人选择站位目标，学习得到的风险模型过滤危险方案，并尽量保留当前击球者的目标。每台机器人分别使用步法与击球技能，二者以人类动作为参考，其中步法取自人类双打录像，并以彼此的结束状态为起点训练以实现快速切换；另加一个持拍臂残差策略，利用以真实球路和接触数据校准的仿真器反馈，在快速移动后修正击球。
在Isaac Lab仿真中，组合式策略合法回球率为55.6%，比HITTER式基线的42.4%高13.2个百分点，让位结束时横向误差约2.1厘米；关闭手臂修正后回球率降至44.2%。在相同风险过滤器下，学习式站位把团队平均连续回球数从3.79提高到4.87。真机上，一台G1在2.4秒内完成2.15米的让位与回位，峰值速度2.23米每秒，两台机器人连续交替击球超过10拍。
真机系统依赖外部动作捕捉获取机器人和球的状态，未考虑球的旋转；对面是喂球的人而非竞技对手。仿真统计基于五个随机种子，真机只给出演示片段，没有真实成功率。本文为预印本。
对正成为科研默认平台的宇树G1而言，这是又一个公开展示案例。对计划在同一工位部署多台人形机器人的企业，可迁移的是带风险过滤的联合站位思路，因为高速移动机器人之间的避碰协调目前大多仍靠人工调参。要进入工厂，还需以机载感知取代动作捕捉，距实用仍有数年。
受许可协议限制，本站不转载该论文全文，仅提供摘要和原文链接。