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！

法国评级遭降或引发连锁反应 德国商业银行提示债券风险　　德国商业银行研究部利率策略师雷纳·冈特曼在报告中指出，惠誉下调法国评级对该国国债（OATs）造成打击，且市场此前未形成共识预期。该策略师表示：“投资者可能正为未来几周其他评级机构跟进采取负面行动做准备