不愧是我国机器人 乒乓打得太6了

　　在这篇论文中，研讨者们提出了一套结合模型规划与强化学习的分层结构，完结了人形机器人在亚秒级（sub-second）反响下的安稳接连对打。

　　总的来说，为了教机器人打乒乓球，研讨团队提出了一个将高层规划与低层操控分隔处理的结构。

　　其间，在高层规划中，根据模型的规划器（model-based planner）能够导航球的轨道，并猜测击球方位、速度和机遇。

　　在低层结构中，根据强化学习（RL）的全身操控器，能够根据规划器的猜测，生成和谐的手臂和腿部动作来履行与人类类似的冲击动作。

　　具体来说，研讨团队直接将宇树G1的手掌变成了乒乓球拍，并让它站在一张规范尺度的乒乓球台上进行练习。

　　在感知方面，研讨采用了九个OptiTrack摄像头（运转频率为360 Hz）来追寻球的方位，这达到了毫米级的精度。

　　在规划方面，根据模型的规划器在每个时刻步接纳球的方位数据，并猜测球拍的击球方位、速度和机遇。

　　此外，为了鼓舞机器人做出类似人类的挥拍动作，研讨人员还在战略练习中加入了人类动作参阅（正手和反手）。

　　经过人类动作参阅进行练习，机器人产生了与人类动作十分类似的击球行为：例如下图中机器人击球时的腰部旋转。

　　在实在国际的试验中，团队向机器人抛掷了26个球，机器人成功回球24次，击中后未回球1次，彻底失球1次，达到了96.2%的击球率和92.3%的回球率。

　　并且，就像咱们最初说到的，G1在与人类对手对打时，完结了多达106次的接连击球，这一连拍远超于了休闲人类玩家的水平。

　　最终，值得一提的是，除了与人类进行对战，机器人也能够在彻底自主的匹配环境中继续进行对战。

　　在前段时刻的机器人运动会上，咱们已看到了不少机器人参加的运动项目(如跑步、拳击、足球等）。

　　而在实在的日子中，机器人常常需求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：

　　由于它们不只需求各个关节的和谐操控，还需求在极限时刻丈量内运转的精细感知-举动闭环，而乒乓球正是此类交互的绝佳比如。

　　相对于网球或羽毛球等运动，乒乓球的齐头并进更短、攻防转化更快、反响时刻窗口更小（球速超越5米/秒）。

　　这就意味着机器人体系必须在瞬间内完结感知、猜测、规划和击球以及与移动或静态的不同操作。

　　更难的是，成功的击球需求灵敏的全身运动，包含快速摇摆手臂、滚动腰部、快速垫步和康复平衡，以保证精确击球并为下一次打准备好。