兩部人形機械人自主打完11分乒乓球：SMASH 2.0究竟做到幾多？

港大與KAI／超維動力團隊展示的SMASH 2.0，重點並非機械人偶然成功接回幾球，而是兩部人形機械人自行完成一場完整的11分制乒乓球對局：輪流發球、接發、回擊來球，按得失分累積比分，直至其中一方勝出。整個過程沒有遙控、沒有真人餵球，亦沒有依靠場外鏡頭。4612

不過，「全球首場」或「首次」這類說法，應理解為研究團隊提出的聲稱，而非已由整個業界獨立確認的定論。現有報道較有把握支持的，是這次示範的規模：人形機械人對人形機械人、依靠機身感知、並以完整比賽形式完成對局。24

打完11分，不等於連續對拉11板

乒乓球所講的「一板」或「一個回合」，是由發球開始，直至其中一方失誤、未能回球或犯規而結束的一球。至於完整的11分制一局，還要處理發球、接發、漏球、得分歸屬、輪流發球，以及最後如何分出勝負。57

所以，連續成功來回11次，只能證明機械人能夠維持11板對拉，並不代表它可以獨立開波、應付失誤、更新比分和完成一場比賽。兩部機械人要真正「對賽」，亦不可以只是一方餵球、另一方合作回球；雙方都要作出進攻和防守選擇，嘗試爭取分數。57

SMASH 2.0如何將「睇波」變成「出手」？

SMASH 2.0是一套模組化系統，將以下幾個環節連成一個閉環：

1. 感知來球： 機械人利用機身上的第一身鏡頭，偵測乒乓球及估算自身狀態，不依賴外置攝影機陣列。2
2. 預測軌跡： 系統計算來球的飛行路徑，並預判球會在哪裏落台及彈起。714
3. 規劃擊球： 根據來球方向和落點，決定在甚麼位置、以甚麼方式擊球，並選擇回球目標。714
4. 全身協調控制： 雙腳、軀幹、手臂和球拍要同步運作，讓機械人一邊移動保持平衡，一邊完成指定擊球。214

報道指，系統要在毫秒級時間窗口內辨認來球、計算軌跡和規劃擊球，趕在下一次可擊球時機之前作出反應。714 SMASH的學術研究亦特別強調，系統採用針對擊球任務設計的模仿學習，以及部署於機身上的第一身視覺，應付即時互動。2

換句話說，這不是一個單純由大型模型「由頭包辦」的示範，而是將視覺感知、軌跡預測、動作規劃和全身運動控制逐一接駁起來，令機械人可以在真實球枱前由觀察一路做到出手。27

由SMASH 1.0升級到2.0，關鍵改了甚麼？

團隊所描述的升級，主要針對「可以完成一場比賽」所需的能力，而不只是較方便的定點回球練習。

加入自主發球

SMASH 2.0新增自主發球，機械人可以自己開波，並按比賽形式輪流發球。沒有這項能力，機械人即使能夠接球和回球，也不能由頭到尾獨立主持一場完整對局。58

擴大擊球範圍

系統亦擴大了機械人的可觸及擊球空間，讓它可以處理較短和較長的來球。團隊表示，研究人類動作數據，並將相關資料帶入模擬訓練，有助建立更廣泛的擊球動作庫，覆蓋更完整的工作空間。2

不只合作回球，還要有攻有守

如果兩部機械人只是互相維持來回，難度會低於真正爭分。完整對局要求它們處理不同回球類型及落點，並作出進攻、防守等選擇。714

但現有資料不足以證明它們已經具備人類級的戰術多樣性。較穩妥的結論是：SMASH 2.0成功將自主發球、感知、移動、回球和計分，接駁成一個可以完成比賽的流程。714

目前限制：可以預設打法，未能即場「讀對手」

現時操作者可以預先為機械人設定不同策略，例如打得較快或較慢，或者選擇不同落點。不過，團隊表示，系統仍未做到在對賽期間針對某一名對手進行真正的線上學習。

實際意思是，機械人暫時未能在一場比賽中持續分析對手的習慣，再即場改變自己的戰術。它未可以好似經驗豐富的球手那樣，發現對方怕短球、反手較弱，便在下一分不斷針對這個弱點。

團隊下一步是保存機械人互打時的數據，包括成功和失敗的回合，之後用作真機強化學習。這些資料將來或可支援團隊所講的「自我進化」，但目前仍屬未來的訓練方向，並不是這場示範已經展示的能力。

機械人是怎樣訓練出來？

團隊表示，現階段訓練資料主要來自人類。人類動作紀錄被用於模擬訓練，幫助機械人擴大擊球範圍；SMASH的研究亦提到，系統使用動作捕捉示範及生成式動作庫，學習與任務配合的擊球技巧。2

較詳細的報道指，團隊曾安排教練每日訓練約一至兩個月，期間使用動作捕捉設備記錄動作；團隊亦有興趣轉向免標記動作捕捉，雖然這可能會在數據質素上作出取捨。由於這部分主要來自團隊自身描述，現有資料未能獨立核實整個流程的每一個細節，因此應視為團隊報告的方法，而非外界已完全確認的結果。35

點解乒乓球是人形機械人的高難度測試？

乒乓球將多項機械人難題壓縮在極短時間內：機械人要追蹤細小而高速移動的乒乓球，預測飛行和彈台路徑，選擇回應方法，移到適當位置，協調多個關節，保持身體平衡，最後在正確時間和位置擊中個波。1418

更難的是，對手和現場環境一直變化。球速、角度、落點和回球方式都不固定，機械人不能只靠預先錄好的動作逐段播放。它必須根據新出現的情況，即時作出決定。

因此，乒乓球被視為具身人工智能的一項重要對抗性測試，亦可以同其他正式機械人運動挑戰，例如格鬥項目，放在一起比較。這類項目考驗的不只是動作能否做出來，還包括能否在對手施壓和環境改變下，保持平衡、快速反應和持續決策。1418

由示範走到北京賽場：最後取得銀牌

第二屆世界人形機械人運動會於2026年8月22日至26日，在北京國家速滑館「冰絲帶」舉行。乒乓球今屆首次成為正式競賽項目，共有12支隊伍參賽。810

整個運動會共有2,056部機械人、666支隊伍，參與51個項目；這個總數不應與乒乓球項目的參賽機械人數量混為一談。

港大SMASH戰隊最終打入乒乓球決賽，與北京大學—北京智源人工智能研究院聯隊爭冠，最後以0：2落敗，取得亞軍。兩局比分為0：11及7：11。110

在開幕禮的人機示範賽中，SMASH機械人亦曾與中國奧運乒乓球冠軍丁寧交手。現有報道清楚確認丁寧是與港大系統對打的人類球手；運動會其他人類運動員的示範，則屬於不同場合，不能一概說成全部都是與SMASH對賽。111920

背後團隊是誰？

SMASH是香港大學研究人員與具身人工智能公司KAI的合作項目，報道亦以Chaowei或Chaowei Motion稱呼相關團隊。港大SMASH戰隊被形容為一支較年輕的具身智能研究團隊，成員主要是港大博士生，由港大計算與數據科學學院的羅平教授擔任指導及研究領導。811

團隊表示，先用了約半年時間，讓機械人具備與真人對打的能力；之後再用約半個月，準備兩部機械人互相自主對打。這個時間表，是團隊對今次示範準備工作的描述，並不代表整個乒乓球機械人研究只做了半年半；現有資料亦未能確定這項研究最早由哪一天開始。11

SMASH 2.0真正展示的成果，比「機械人已經識打出人類級戰術」這類標題更具體，也更有技術價值：兩部人形機械人可以在沒有遙控、人工餵球和外置鏡頭的情況下，將感知、預測、移動、擊球和計分串成一場完整的競賽。24

但下一關同樣清楚——它們仍要學懂在線分析對手、根據比賽進程改變策略，以及持續從真實對賽中吸收經驗，才可以由「完成一局」進一步走向真正具備戰術適應力的機械人球手。