人形机器人学会了往哪儿打
一名优秀的乒乓球选手同时在做两件事。他们执行：调动全身，把球送到想要的位置。他们还决策：选择一个让对手难受的落点。一次回球可能很精准却容易被接住，也可能很巧妙却太难打出来。当机器人同时学习这两件事时，很难分辨究竟是哪一项让它获胜。
来自浙江大学、清华大学、同济大学、中国海洋大学、上海创智学院和RoboParty Lab的一支团队选择把两者分开。连接两者的只是一对数字：球应该落在球台上的哪个点。
指哪儿打哪儿的身体
这台机器人是一台宇树G1（Unitree G1）人形机器人，有29个电机驱动的关节。一套外部追踪系统以每秒100次的频率跟踪球的位置。
球飞来时，一个基于物理的规划器会计算出球拍需要做什么——击球时的位置、速度和角度——才能把球送到指定的落点，其中考虑了重力、空气阻力、弹跳和球网。随后，一个神经网络把这个规划转化为对全身的指令，每秒50次。
训练分三个阶段，都在仿真中进行：
- 学会击球。 机器人练习回击以固定方式抛来的球，瞄准随机选择的落点。
- 学会多拍对打。 两台仿真机器人互相对打。来球现在来自真实对手的击球，但目标仍然是随机的：还没有战术。
- 学会比赛。 全身控制被冻结。第二个独立的网络只学习从球台上的九个区域中选出一个，依据是球最近的飞行轨迹、自己的位置、对手的位置以及上一次的目标。它赢分就会获得奖励，没有任何人工编写的战术规则。
先求精准，再求聪明
在仿真中，**99.2%的回球合法落台，其中94.3%**落在指定位置30厘米以内，平均误差为15厘米。与在预设来球上进行同等量的额外训练相比，在多拍对打中练习让击球更准确、合法回球也更多。
接下来是关键测试。所有选手都使用完全相同的冻结身体，因此唯一的区别只是目标的选择。学到的策略获胜了：
- 对阵总是瞄准中间的选手，赢下**89%**的分；
- 对阵随机瞄准的选手，赢下82%；
- 对阵总是尽量瞄准离对手最远处的选手，赢下73%。
它并不只是找到了几个好落点。它会把目标移离对手站的位置，也会移离自己上一球打去的位置。
对阵人类的三局比赛
在真实的G1上，使用同样的冻结身体，并通过动作捕捉获取人类的位置，机器人与同一名业余选手进行了三局11分制的比赛。它以11比4、11比6和11比9获胜，打出了多拍回合，正手和反手回球都有。
离进俱乐部还有距离
作者列出了还欠缺的东西。机器人依赖外部的球追踪器和动作捕捉，而不是自己的眼睛。球的模型忽略了旋转。九个区域限制了它的战术，它只把对手看作地面上的一个位置，发球也只发到固定的点。而且它所有的真实比赛都只对阵过一名业余选手。他们更广泛的观点是一条设计原则：在底层身体不断学习的同时，保持目标的含义不变。