完整赛局首次亮相

两台人形机器人在无人遥控、无人喂球的情况下，按照乒乓球11分制自主打完一局比赛，成为第二届世界人形机器人运动会前的一次关键技术预演。

这场对局由香港大学与超维动力KAI研究团队组成的“港大超维战队”完成。8月22日至26日，第二届世界人形机器人运动会将在国家速滑馆“冰丝带”举行，届时将有2000多台机器人参赛，1000多台机器人在开幕式同台亮相。乒乓球是本届运动会项目之一，开幕式上该团队机器人还将与乒乓球名将同场互动。

与过去常见的人类发球、机器人守半台回击不同，这次演示的重点是两端都由机器人自主完成发球、接球和得分过程。港大计算与数据科学学院副院长、MMLab HKU负责人、超维动力联合创始人罗平指出，人机对打时人类往往会下意识“喂球”，而机器人对打时双方目标都是赢球，既要主动进攻，也要让比赛持续进行，难度明显更高。

SMASH 2.0：把感知、预测和控制串成闭环

支撑这场比赛的是团队自研SMASH系统。它不是让一个大模型包办全部动作，而是把视觉感知、球路预测、动作规划和全身控制连接成闭环。所谓“闭环”，可以理解为机器人不是照着固定动作执行，而是持续观察环境，根据来球变化实时调整动作。

相比论文阶段的SMASH 1.0，SMASH 2.0主要补齐了两个能力：一是击球范围从较固定来球扩展到长球、短球等更完整区域；二是加入自主发球，因为11分制比赛必须轮流发球。

关键事实包括：

• 比赛规则：按乒乓球11分制打完一局并分出胜负，不等同于连续打11个回合；
• 训练数据：团队连续采集一两个月，每天4到8小时，主要由教练员穿戴动捕设备打球获得；
• 系统阶段：1.0跑通全身运动与主动感知，2.0扩大来球覆盖，3.0将聚焦旋转球；
• 比赛本体：本次规则要求统一采用智元远征A3，以减少硬件差异。

香港大学博士后、超维动力运控算法负责人李莹辉表示，短球难在机器人要处理身体、球拍与球台碰撞约束；反手球则要求躯干、下肢和手臂配合，以维持平衡并完成击打。

为什么是乒乓球

团队选择乒乓球，并不只是因为它是“国球”。从技术角度看，乒乓球要求高速来球感知、实时决策和全身协调，是具身智能的高强度练兵场。具身智能指AI不只在屏幕里处理信息，而是通过机器人身体感知、行动并影响物理世界。

与马拉松这类路线和规则相对固定的项目相比，乒乓球中的每一拍都可能改变球速、落点和节奏，机器人必须自己判断球路并完成击打。罗平认为，专业乒乓球结合了策略判断和精细控制，如果未来两年人形机器人能打赢水平较好的人类选手，将说明其感知、决策和运动控制能力有较强迁移潜力。

团队也强调，目前机器人还没有在对局中实时学习对手打法。它们可以预设偏快、偏慢或选择不同落点等策略，但真正针对对手在线调整，需要进一步实现在线学习。对打产生的成功和失败回合会被保存下来，用于后续真机强化学习。强化学习是一种通过试错和反馈优化策略的方法，在机器人领域常用于提升复杂动作表现。

从演示到产品仍有距离

当前SMASH已能在室外依靠机载视觉运行，但竞技比赛为了稳定性仍会使用外部动捕或外部视觉设备。团队的产品化目标是降低对外置设备依赖，最终只使用机器人自己的“眼睛”。不过机载视觉会受到机器人运动和振动影响，对感知稳定性要求更高。

硬件适配也是难点。团队已在自研本体和宇树G1上测试SMASH，本次则按规则使用智元远征A3。李莹辉提到，全尺寸人形机器人对硬件一致性要求更高，如果同型号机器之间差异较大，同一套策略换机后可能失效，算法迭代会变得困难。

行业观察

这场11分制对局的价值，不在于机器人已经接近职业选手，而在于它把人形机器人从“接几个球”的展示推进到“按规则完成对抗”的阶段。乒乓球提供了一个可控但不僵化的测试场：有明确规则、强交互、高频反馈，也相对容易通过球台隔离降低安全风险。

下一道关键门槛是旋转球。要接近专业水平，机器人必须感知旋转，并在毫秒级窗口内精确调整手腕和球拍，同时保持双足平衡。短期看，人形机器人乒乓球更像研发标尺和运动会看点；长期看，其中沉淀的视觉、规划和全身控制能力，才是走向陪练、服务和更复杂物理任务的核心资产。