宇樹機器人可打乒乓了!

不是造假. 非遠端遙控. 發表在 康乃爾 arXiv / Github 網站上

🏓關於此論文
清華大學和加州大學柏克萊分校的研究人員 開發了一個分層控制框架:
• 高級規劃器→預測球的軌跡並計劃擊球的位置和方式。
• 低階全身控制器(基於RL)→使機器人像人類一樣自然擺動,協調手臂、腿和身體。
• 在訓練→期間添加了一點人體運動數據,因此機器人不僅擊球,而且實際上看起來像人類。
• 第一作者:蘇智,清華大學本科生,(二個字顯然是對岸) 在加州大學伯克利分校研究訪問期間完成
• 發佈時間:2025 年 8 月 28 日

• 全文和視頻: 👉https://humanoid-table-tennis.github.io/
https://arxiv.org/abs/2508.21043
https://arxiv.org/pdf/2508.21043
https://arxiv.org/html/2508.21043v2



• 球速超過 5 m/s
• 不到 1 秒感應→預測→動作
• 需要敏捷性、平衡性和類似人類的精確度

🔥 讓我們驚訝的結果
• 人形機器人和人類之間的106次連續對打
• 反應速度最快0.42秒
• 兩個機器人也可以 穩定地對戰
• 這一切都是完全自主完成的,沒有遙控器
這是 人形機器人首次在現實世界中實現亞秒級反應速度。
2025-12-10 5:38 發佈
還有籃球





cruiseton wrote:
🏓關...(恕刪)


可以打乒乓球的機器人(機械手臂)很久以前就有人作,且完全不需要是人形。

基本的感測與控制。
cruiseton
cruiseton 樓主

知道啊. 但機械手臂完全不需保持平衡. 人形機器人要難上好幾倍

2025-12-10 10:27
Jonas7430

難在人形機器人,其中一個重點在比較接近理想型態

2025-12-10 10:49
chiyenms wrote:
可以打乒乓球的機器人...(恕刪)


以前是用傳統的運動控制與視覺分析演算法(或者說非機器學習的演算法
儘管也能做到影片中的擊球 但是要進一步最佳化非常的難
不是手動搞線性趨近 就是有條件的非線性最佳化
而機器學習 本身就是複雜到看不懂的非線性最佳化演算法

這次從決策到動作都用機器學習 性能不好就讓他們多打幾次應該還能提升個幾%
不然就是買個百來台機器人 不同模型給他跑下去總會挑到一個好的
至少在硬體極限之前都有成長空間 這在非機器學習的控制理論中是想都不敢想

題外話
馬投顧想搞"人型"機器人 我不認為現階段是看上這東西有什麼實際作用
他自己睡過工廠一定知道 人型絕對不是最佳解
如果目標是無人工廠甚至還能對環境做機器人最佳化

比較有可能先作為下一代模型(或說AGI)的訓練平台
AGI 強調的是對世界的感知 透過五感來建立所謂的世界模型
人型機器人就能作為數據來源以及訓練平台
內文搜尋
X
評分
評分
複製連結
Mobile01提醒您
您目前瀏覽的是行動版網頁
是否切換到電腦版網頁呢?