两台人形机器人自主打完一局乒乓球：SMASH 2.0究竟突破了什么？

香港大学与KAI（报道中也称“超维动力”或Chaowei Motion）团队展示的SMASH 2.0，重点并不在于机器人偶尔打出一个漂亮回球，而在于两台人形机器人据称独立完成了一场完整的11分制乒乓球对局：轮流发球、判断来球、移动击球、进行攻防、累计得分，直到分出胜负。整个过程没有遥控、没有人类喂球，也没有依赖场外摄像头。4612

不过，“首个”仍应理解为团队提出的说法，而不是已经由独立机构确认的行业共识。现有报道较为明确支持的是这场演示的范围：人形机器人与人形机器人对打，使用机载感知，并按照完整对局的形式推进比赛。24

完整11分制对局，不等于连续打11个回合

乒乓球中的“一个回合”是指同一个球从发出到结束前，双方之间的一连串来回击球。连续完成11个回合，只能说明机器人在一段时间内保持了较长的对拉，并不代表它能够独立完成一场比赛。

一局11分制比赛还涉及发球、接发球、失误、得分归属、轮换发球，以及最终决出胜者。SMASH 2.0演示所强调的，正是机器人从开球开始推进比赛，并在出现失误和得分后继续按照比赛逻辑运行，直到一方获胜。57

这一区别具有技术意义。机器人可以在配合式训练中回击来球，也可以在有人喂球时完成击打，但这并不等于它具备独立启动和完成比赛所需的自主能力。两台机器人都以得分为目标时，还必须做出更接近比赛的进攻与防守选择，而不是单纯维持一段合作式对拉。57

SMASH 2.0如何把“看见”变成“击球”

SMASH 2.0被描述为一套模块化系统，核心是把以下四个环节连接成实时闭环：

1. 机载感知： 机器人使用自身的第一视角摄像头识别乒乓球，并估计与自身运动相关的状态，不依赖外部摄像机阵列。2
2. 轨迹预测： 系统计算来球的运动方向，预测其飞行路线和落台后的变化。714
3. 动作与击球规划： 根据来球轨迹，选择击球时机、击球方式和目标落点，并针对不同来球做出相应反应。714
4. 全身控制： 机器人协调腿部、躯干、手臂和球拍，在保持平衡的同时移动到合适位置并完成击球。214

报道将这一过程概括为毫秒级的决策与控制窗口：机器人必须在下一次可击球时机到来前，识别来球、计算轨迹并规划动作。714SMASH的学术介绍则强调了两点：面向击球任务的模仿学习，以及用于实时交互的机载第一视角感知。2

换句话说，系统不是由一个“大模型”从头到尾包办所有动作，而是将感知、预测、规划和控制组合起来，让机器人在高速、连续变化的场景中完成从视觉输入到身体动作的转换。

从SMASH 1.0到2.0，升级了哪些能力？

SMASH 2.0的升级重点，是补齐一场真正比赛所需的能力，而不只是让机器人在方便的来球条件下完成回球练习。

1. 加入自主发球

自主发球让机器人能够自己开启一个回合，并按照比赛形式轮流发球。没有这项能力，机器人即使能参与对拉，也无法独立从比赛开始推进到比赛结束。58

2. 覆盖更大的击球范围

新系统扩大了机器人可处理的击球空间，能够应对更短或更长的来球。团队表示，他们将人类运动数据用于仿真训练，以建立更丰富的击球动作库，让机器人覆盖更完整的工作空间。2

3. 从“配合回球”走向比赛式攻防

完整对局要求机器人不仅把球打回去，还要尝试制造得分机会并应对对手的进攻。团队对SMASH 2.0的描述包括不同类型的回球和落点选择，因此它比只能回应固定来球的系统更接近比赛场景。714

但现有资料并不能证明机器人已经具备人类运动员水平的战术多样性。更稳妥的结论是：SMASH 2.0把自主发球、感知、移动、击球和计分连接到了同一个比赛闭环中。

当前短板：能预设打法，还不能临场“读懂”对手

目前，操作人员可以为机器人预设不同策略，例如偏快或偏慢的打法，以及不同的击球落点。但团队表示，机器人还没有做到在与某个具体对手交手的过程中实时学习。

这意味着机器人目前还不能持续分析对手的习惯，例如对方更常把球打向哪一侧、面对短球或长球时如何处理，然后在比赛进行中自行调整战术。

团队计划保存机器人相互对打产生的数据，包括成功和失败的回合，再将这些记录用于后续的真实机器人强化学习。若这一方向取得进展，机器人未来或许能够形成团队所说的“自进化”能力；但在目前，这仍是后续训练目标，而不是这场演示已经证明的能力。

训练数据主要来自人类动作

团队表示，现阶段训练数据仍以人类数据为主。研究论文提到，系统使用动作捕捉示范，并通过生成动作库扩展可用于训练的击球动作；团队也表示，大量人类运动数据被用于仿真训练，以扩大机器人的击球范围。2

更具体的报道提到，团队曾安排教练进行约一至两个月的日常训练，并使用动作捕捉设备记录动作；之后还在探索无标记动作采集方案。无标记采集可以减少对专用设备的依赖，但可能带来数据质量方面的取舍。由于这一细节主要来自团队介绍，现有资料并未独立核实训练流程的每一个环节，因此应将其视为团队披露的方法，而非外部确认的结论。35

为什么乒乓球是人形机器人的高难度测试？

乒乓球把多个机器人难题压缩在极短时间内：机器人要追踪一个体积小、速度快的球，预测飞行和弹跳，选择回球方式，移动到正确位置，同时协调多个关节、维持身体平衡并完成稳定击球。1418

而且，对手和球路都在不断变化。机器人不能只重复一套固定动作，而必须根据新的来球和对手行为即时反应。这使乒乓球成为具身智能的重要对抗性测试，也解释了它为何常被拿来与包括格斗赛事在内的其他机器人体育挑战相提并论：考验的都是快速反应、身体协调，以及面对对手时的实时决策。

从实验演示走向北京赛场

第二届世界人形机器人运动会于2026年8月22日至26日在北京国家速滑馆“冰丝带”举行。乒乓球在本届赛事中首次成为正式竞赛项目，共有12支队伍参赛。810

整个运动会共有2,056台机器人、666支队伍参加，覆盖51个项目；这一总数不能与乒乓球项目的参赛机器人数量混为一谈。香港大学SMASH战队最终闯入乒乓球决赛，以0比2负于北京大学—智源研究院联合战队，获得亚军。110

在开幕式的人机展示环节，SMASH机器人还与奥运乒乓球冠军丁宁进行过对打。现有报道能够明确确认的SMASH人类对手是丁宁；其他运动员在赛事中的相关展示属于不同场次，不能直接归入这套系统的对手名单。111920

谁在研发SMASH？

SMASH项目由香港大学研究人员与具身智能公司KAI合作推进，报道中也使用“超维动力”或Chaowei Motion等名称。香港大学SMASH团队被描述为一支较年轻的具身智能研究团队，成员主要由香港大学博士生组成；香港大学计算与数据科学学院副院长罗平则被报道为指导者和研究负责人。811

团队称，他们大约花了半年时间让机器人具备与真人对打的能力，随后又用约半个月准备两台机器人进行自主对打。这一时间线指的是此次演示前的相关准备，并不等同于整个乒乓球机器人项目的研发历史；现有资料也没有确定该项目最早从哪一天开始。11

因此，SMASH 2.0的实际成果比最夸张的标题更具体，也更有价值：它展示了团队所称的首场完整自主人形机器人对人形机器人乒乓球对局，同时暴露出下一阶段的技术难题。机器人已经能够把感知、预测、动作和计分连接成一套竞争性比赛流程，但要成为真正能够根据对手持续调整的战略型选手，还需要可靠的在线对手建模与持续学习能力。