两台宇树G1组队打乒乓，PingpongDuo实现人形机器人双打协同

红衣机器人挥拍将球送过网后向旁边撤开，蓝衣队友上前接住下一球，打完再让出位置。两台宇树G1站在球台同一侧，和对面的人类搭档打起了乒乓双打。

对机器人来说，乒乓双打是不小的挑战：同一队两名选手必须交替击球，球飞到面前只要没轮到也得让给队友；跑动也会影响挥拍，身体横移时球拍触球的速度和朝向可能变化，单次击球练得再熟也得适应连续走位后的身体状态。

来自上海创智学院、源策未来、香港大学和英伟达的研究团队提出PingpongDuo，通过联合站位规划和全身运动控制，让两台G1交替完成击球、让位和回位。相关论文已公开为arXiv预印本。

每次来球，系统根据连续观测估计球的位置和速度，预测飞行与反弹，选择触球位置、时间并计算所需球拍速度，这部分沿用已有单打系统规划思路。双打还要加上队友位置：团队规划器同时给两台机器人安排横向移动目标，经风险检查后交给各自运动控制器。规划器能看到来球位置历史、双方当前位置及之前接受的移动目标，通过PPO强化学习在连续来球仿真中尝试不同站位，既争取完成回球，也学习减少危险相互接近。训练该层时，底层运动控制器和风险模型保持固定。风险模型用另一批仿真数据训练：给两台机器人设置随机目标，也在原有规则站位上加入扰动，双方内侧的手、脚和机身一旦小于设定间距就被标记，用来训练模型识别危险目标组合。若一组目标预测风险太高，系统会调整：正在准备击球的机器人目标尽量少动，另一台多让一些。“角色加权”给击球者目标调整设置更高代价，因为触球位置和时机已选好，若为拉开距离挪走击球者，这一拍可能落空。等下一拍轮到队友，优先级随之交换。在使用相同风险过滤器条件下，把规则站位换成学习得到的联合站位，仿真中平均连续合法回球数从3.79次提高到4.87次。

实机测试中，一台机器人能在2.4秒内完成总移动距离2.15米的让位与回位，峰值速度达2.23米/秒。步法参考人类双打动作：采集全身运动，把不同方向、不同距离的移动切成片段，转换成适合机器人身体结构的参考动作；系统按需选取片段，训练时机器人一边模仿步法，一边学习跟踪目标位置和速度、保持平衡及到位后的制动和等待。挥拍单独训练，也控制全身，但要求集中在触球那一刻：球拍位置、速度和朝向要同时满足击球指令。移动需持续调整，击球要把精度集中在短暂时刻，分开训练可分别照顾两种任务要求。

但把两个训练好的控制器切换着用，还不能直接得到连续双打。问题出在切换瞬间：若步法总从站稳姿势开始练习，实机上却要从刚挥完拍、身体还在转动的状态开始撤步，就会遇到训练中没准备过的情况；击球也一样，站稳了能打好，换到脚下还带速度的回位途中，动作未必合适。团队把上一项动作留下的身体状态直接用作下一项技能的训练起点：先收集机器人击球后的姿态、速度和关节状态，再让步法控制器从这些状态开始练习；反过来也记录移动过程中产生的身体状态，让击球控制器在这些条件下练挥拍。实际运行时，状态机负责交替击球和技能切换：轮到本机击球指令到来后，可直接接管正在进行的移动；挥拍及随挥结束，再交回步法控制。切换前的控制历史会继续保留，参考动作也经过短暂过渡。两台机器人使用同一套技能策略，针对另一侧队友，系统将观测、指令、参考动作和关节动作一并作左右镜像，对应左右手击球和相反方向的让位。

已有的人形机器人乒乓球工作中，球拍目标跟踪训练要求球拍在指定时刻达到目标位置、速度和朝向，不直接模拟球拍与球的交互，也不根据过网、落台结果更新策略。PingpongDuo则加入球交互仿真，用回球结果训练持拍臂修正。在原有挥拍动作上，系统增加持拍臂残差策略：原有控制器先给出动作，新增策略再根据身体和球的当前状态作小幅调整。训练时基础技能保持不变，只学习持拍臂七个关节该怎样修正，修正幅度受限，并在接近触球的一段时间内逐步加入，随后撤去。团队用动作捕捉设备记录球的飞行、球台反弹及与运动中球拍的碰撞，分阶段校准空气阻力、反弹和接触参数，后续训练在经实测标定的仿真环境中进行。训练时机器人先移动再尝试击球，碰到球、越过球网、落在对方球台内等结果都参与训练反馈；完成合法回球后，训练还进一步考察落点精度和过网余量，漏球、出界等失败则受惩罚。球拍跟踪、身体稳定和修正幅度约束仍保留，训练中还改变物理参数、加入球状态观测误差和执行延迟。单机器人仿真测试中，基础技能保持不变，加入持拍臂修正后，合法回球成功率从44.2%提高到55.6%，增加11.4个百分点。测试按双打交替节奏安排来球，覆盖移动中和准备位置两种击球状态。

两台G1在与人类搭档的一段实机对打中，连续完成18次交替回球。PingpongDuo面向人形