抛发、移动、回球，人形机器人已可以实现全自主挥拍对打。
在第二届世界人形机器人运动会（World Humanoid Robot Games）开幕式上，网球和乒乓球这两个表演项目受到高度关注。面对网球名将郑洁和乒乓球奥运冠军丁宁，来自银河通用的网球机器人与香港大学SMASH团队的乒乓球机器人从容应战，自主发球、调整步伐、正反手回击流畅进行，还能完成捞球、吊球等技术动作，实力已接近达到人类初学者的水平。
表演赛之外，乒乓球也首次被列入世界人形机器人运动会的正式赛项，比赛采用11分制规则，两台人形机器人全自主完成完整对局，来自北大、清华、港大、上交、伯克利等高校和企业的共12支战队决一胜负。最终，北京大学智源研究院联合战队夺得冠军，香港大学SMASH超维战队获得亚军，上海交通大学/上海创智学院联合战队获得季军。
而前不久在亦庄刚结束的2026世界机器人大会（World Robot Contest）上，乒乓球已成为厂商展示技术的重要窗口——超维动力、动易科技、极佳视界、宇树科技均在其展台设置了乒乓球人机互动区域，吸引了大量观众前来互动。
挥拍运动正成为人形机器人领域新的技术竞技场，吸引着越来越多的高校研究团队和机器人厂商入场布局。
为什么是挥拍运动？
据中新经纬报道，青瞳视觉创始人张海威将机器人可实现的运动分为三类：套路式运动（如舞蹈）、单人对抗性运动（如网球、乒乓球、羽毛球）以及团队对抗运动（如足球、篮球）。
张海威进一步指出，目前套路式运动可通过预编程方式实现，技术相对成熟；挥拍运动这类单人对抗性运动需要机器人具备实时感知与决策能力，取得了初步进展；团队对抗运动涉及复杂协作与博弈机制，仍处于探索阶段。
此次世界人形机器人运动会上，共设置了田径、体操、乒乓球、武术、自由搏击等11个赛项。在体操、武术、体育舞蹈等项目中，人形机器人已能完成前后空翻等高难度动作，也能伴随音乐完成流畅的舞蹈表演；在跑步、跳高等考验底层运控能力的项目中，人形机器人的成绩多次超越了人类此前创造的世界纪录。
而挥拍运动，则是人形机器人如今要翻越的下一座山。它要求人形机器人在极短的时间内实现对高速移动球体的视觉捕捉、轨迹预测与反应决策，同时还要协调全身动作并保持自身平衡。正如北京大学计算机学院研究员仉尚航在接受《新京报》采访时所说：“机器人打乒乓球，考验的就是眼、脑、身的协作。‘眼睛’捕捉运动轨迹，‘大脑’快速预测与决策，再调动全身精准执行。”
这种能力与真实世界的需求高度匹配。对人形机器人而言，挥拍运动在毫秒级时间内所训练的“感知—决策—执行”闭环，与工业分拣、家庭服务等现实场景的底层逻辑相通——先感知环境，再做出判断，最后执行。
“人形机器人在乒乓球项目中所锻炼的感知决策、运动泛化和运动控制能力，本质上都有非常强的迁移性”，香港大学SMASH超维战队队长李莹辉向懒熊体育表示，人形机器人在现实生活场景中做任务，比如捡垃圾，同样需要先定位目标物体，再规划动作路径，最后精确执行。
难点在哪里？
对人类而言，面对来球、挥拍回击几乎是一种本能。但对人形机器人来说，这背后却是庞大的工程量与一道道需要跨越的技术难关。
挥拍运动是高动态运动，对感知要求极高。乒乓球从发球到过网只需不到0.15秒，球速可超过15米/秒；网球时速更是动辄上百公里。球体小、速度快，还带着旋转，传统的视觉方案在高速运动下容易出现图像模糊或感知延迟。
当前主要的解决方法是安装外部视觉感知系统。这次人形机器人运动会上，乒乓球和网球赛场均安装了多台动捕摄像头，能在毫秒级时间内锁定球与机器人的坐标及运动轨迹，为后续决策提供实时数据。
而日常的训练中，北京大学团队的SpikePingpong算法将高达20kHz（每秒两万次）高频脉冲视觉与模仿学习策略融合在一起，能让机器人实时捕捉球的精确轨迹，并补偿空气阻力等干扰，实现毫米级的球-拍接触点预测。
看清来球只是第一步，真正的挑战在于决策与执行。在当前的人形机器人研究中，“大脑+小脑”是理解这一过程的常见框架：所谓“大脑”，主要负责判断和决策；“小脑”则负责运动控制，将决策转化为身体各部位的动作，二者协同，才能让机器人实现更高程度的全身协调，并完成持续、稳定的动态任务。
放在乒乓球场上，“大脑”必须在毫秒级时间内完成轨迹预测、落点判断和击球策略生成，“小脑”则同步将其转化为精准的全身运动控制。此次乒乓球赛事统一采用智元机器人作为本体，核心比拼的正是各队的算法能力。
在“大脑+小脑”的协同方式上，各队选择了不同的技术路径。兴业证券今年4月发布的人形机器人专题研报中，将主流框架分为两类：分层式与端到端式。分层架构采用“大脑—小脑—肢体”的分工；端到端架构则直接从人类指令映射到机器人动作，集成度更高。
而前不久在亦庄刚结束的2026世界机器人大会（World Robot Contest）上，乒乓球已成为厂商展示技术的重要窗口——超维动力、动易科技、极佳视界、宇树科技均在其展台设置了乒乓球人机互动区域，吸引了大量观众前来互动。
挥拍运动正成为人形机器人领域新的技术竞技场，吸引着越来越多的高校研究团队和机器人厂商入场布局。
为什么是挥拍运动？
据中新经纬报道，青瞳视觉创始人张海威将机器人可实现的运动分为三类：套路式运动（如舞蹈）、单人对抗性运动（如网球、乒乓球、羽毛球）以及团队对抗运动（如足球、篮球）。
张海威进一步指出，目前套路式运动可通过预编程方式实现，技术相对成熟；挥拍运动这类单人对抗性运动需要机器人具备实时感知与决策能力，取得了初步进展；团队对抗运动涉及复杂协作与博弈机制，仍处于探索阶段。
此次世界人形机器人运动会上，共设置了田径、体操、乒乓球、武术、自由搏击等11个赛项。在体操、武术、体育舞蹈等项目中，人形机器人已能完成前后空翻等高难度动作，也能伴随音乐完成流畅的舞蹈表演；在跑步、跳高等考验底层运控能力的项目中，人形机器人的成绩多次超越了人类此前创造的世界纪录。
而挥拍运动，则是人形机器人如今要翻越的下一座山。它要求人形机器人在极短的时间内实现对高速移动球体的视觉捕捉、轨迹预测与反应决策，同时还要协调全身动作并保持自身平衡。正如北京大学计算机学院研究员仉尚航在接受《新京报》采访时所说：“机器人打乒乓球，考验的就是眼、脑、身的协作。‘眼睛’捕捉运动轨迹，‘大脑’快速预测与决策，再调动全身精准执行。”
这种能力与真实世界的需求高度匹配。对人形机器人而言，挥拍运动在毫秒级时间内所训练的“感知—决策—执行”闭环，与工业分拣、家庭服务等现实场景的底层逻辑相通——先感知环境，再做出判断，最后执行。
“人形机器人在乒乓球项目中所锻炼的感知决策、运动泛化和运动控制能力，本质上都有非常强的迁移性”，香港大学SMASH超维战队队长李莹辉向懒熊体育表示，人形机器人在现实生活场景中做任务，比如捡垃圾，同样需要先定位目标物体，再规划动作路径，最后精确执行。
难点在哪里？
对人类而言，面对来球、挥拍回击几乎是一种本能。但对人形机器人来说，这背后却是庞大的工程量与一道道需要跨越的技术难关。
挥拍运动是高动态运动，对感知要求极高。乒乓球从发球到过网只需不到0.15秒，球速可超过15米/秒；网球时速更是动辄上百公里。球体小、速度快，还带着旋转，传统的视觉方案在高速运动下容易出现图像模糊或感知延迟。
当前主要的解决方法是安装外部视觉感知系统。这次人形机器人运动会上，乒乓球和网球赛场均安装了多台动捕摄像头，能在毫秒级时间内锁定球与机器人的坐标及运动轨迹，为后续决策提供实时数据。
而日常的训练中，北京大学团队的SpikePingpong算法将高达20kHz（每秒两万次）高频脉冲视觉与模仿学习策略融合在一起，能让机器人实时捕捉球的精确轨迹，并补偿空气阻力等干扰，实现毫米级的球-拍接触点预测。
看清来球只是第一步，真正的挑战在于决策与执行。在当前的人形机器人研究中，“大脑+小脑”是理解这一过程的常见框架：所谓“大脑”，主要负责判断和决策；“小脑”则负责运动控制，将决策转化为身体各部位的动作，二者协同，才能让机器人实现更高程度的全身协调，并完成持续、稳定的动态任务。
放在乒乓球场上，“大脑”必须在毫秒级时间内完成轨迹预测、落点判断和击球策略生成，“小脑”则同步将其转化为精准的全身运动控制。此次乒乓球赛事统一采用智元机器人作为本体，核心比拼的正是各队的算法能力。
在“大脑+小脑”的协同方式上，各队选择了不同的技术路径。兴业证券今年4月发布的人形机器人专题研报中，将主流框架分为两类：分层式与端到端式。分层架构采用“大脑—小脑—肢体”的分工；端到端架构则直接从人类指令映射到机器人动作，集成度更高。
▲具身智能大模型架构类型
伯克利团队和香港大学团队均采用分层架构，上层采用基于模型的规划器，负责球轨迹预测和击球位置、速度、时机的计算；下层采用基于强化学习的全身控制器，负责将规划目标转化为协调的手臂和腿部动作。
香港大学团队还在下层学习中融入大量人类运动数据，赛前采集了两个月的人类乒乓球运动员击球数据，覆盖整个球台范围，最终通过动作数据库匹配让机器人“在仿人运动的基础上实现精准击打”，目前已经可以完成近台挑球、远台扣杀、捞球的技术动作。李莹辉向懒熊体育透露，其团队后期会向端到端模式演进。
清华大学iPingPong战队则选择了更具挑战性的端到端模型。队长郑梓昂向《北京日报》解释道：“这种模式算法设计和训练困难，但性能上限高。比如它可以学会反手大力抽杀这样类似于专业运动员的技术动作，传统分层方案不具备这种可能，但训练难度会大幅提升。”
决策与执行之外，硬件本体同样决定着运动上限。此次赛事统一使用的智元远征A3，身高1.73米、体重仅55公斤。智元通用业务部副总裁曹旭向《新京报》表示，当机器人力量很大体重又很轻时，运动速度就会非常快，而机器人关节又有接近400牛米的峰值扭矩，瞬间爆发力很强。
体育场景下的商业化前景
从当前来看，人形机器人在挥拍运动中的表现还处于人类初学者的水平——能接住球，但步伐、预判和复杂球路的处理仍有不足。
体育场景下的商业化也尚处于验证期。一方面，技术还未完全成熟，离稳定的商业化部署尚有距离，不少厂商仍在观望。在灵巧手的运用、旋转球的应对，以及全场的跑动上，人形机器人还有较大的提升空间。
另一方面，当前成本仍然较高，无论是动捕系统的部署还是机器人本体的制造，都难以支撑大规模推广。以感知方案为例，OptiTrack光学动捕摄像头单台售价数万元，一个场地至少需要6至8台才能实现有效识别和覆盖，叠加数十万元级别的机器人本体，整套系统部署成本居高不下。
对此，港大SMASH团队正探索基于机载摄像头的纯视觉方案，逐步摆脱对外部动捕系统的依赖。其团队在今年山东乒乓球文旅嘉年华上，已凭借自研的自主感知系统，在户外与奥运冠军陈梦实现乒乓球对打。李莹辉向懒熊体育表示，“人形机器人走进千家万户，一定要靠自己的视觉，走低成本路线，我们希望机器人在量产之后只有自身硬件成本”。
这一方向一旦打通，将大幅降低部署门槛，也为机器人进入更多应用场景铺平道路。在李莹辉看来，“随着产业链越来越成熟，硬件成本会不断被压缩，未来人形机器人可以做到普通家庭能承担的价格，可能像汽车，甚至更低”。
在具体的体育场景中，已有厂商在进行市场验证。今年7月，动易科技在广州设立“够C羽球馆”——一个以人形机器人自主打羽毛球为核心的沉浸式体验空间，进行了为期近一个月的常态化运营。实现单日体验峰值破千人、累计入场近万人次，为人形机器人挥拍运动的商业化场景提供了初步验证。
▲动易科技“够C羽球馆”
除了大众体验，人形机器人在职业体育领域同样有应用空间。人形机器人具有与人相似的身体结构，使其能够复现特定运动员的数据和打法，为职业选手提供定制化训练支撑。开幕式网球表演赛结束后，郑洁便向中央广播电视总台主持人康辉表达了这一想法：“希望未来人形机器人可以为我们专业运动员提供定制化训练，比如我怕接小威（Serena Williams）的发球，如果它能模拟发出类似的发球，对我训练能起到很好的辅助。”
关于商业化落地的时间表。李莹辉判断，人形机器人在乒乓球领域实现商业化落地大概还需要2至3年，届时机器人有望达到陪练员水平。银河通用创始人王鹤则更为乐观，他在群访中表示，未来一两年内，人形机器人在网球领域有可能达到专家级水平，甚至挑战世界冠军。
在跑步之后，人形机器人已经开始寻找新的能力边界。距离它们真正走进工厂和家庭，显然还有很长的路要走。但从一颗高速飞来的球开始，人形机器人已经在学习下一课，而他们的学习速度是同样惊人的。
声明：本文由懒熊体育原创，转载请注明www.lanxiongsports.com。
