港大與 KAI／超維（Chaowei）團隊展示的重點，不是機械人偶然成功回擊幾球，而是兩台人形機械人在沒有遙控、人手餵球或外部攝影機的情況下，自主完成一局 11 分制乒乓球比賽：輪流發球、接應來球、作出攻防回擊、累積分數，直至分出勝負。4612

不過，「全球首例」應理解為研究團隊提出的說法，而非已由整個業界獨立確認的結論。現有報道較能支持的，是這次示範的規模：兩台人形機械人以機載感知系統進行對打，而且完成了完整一局比賽，而不是單一技術展示。24

完整 11 分制對局，不等於連續對拉 11 球

乒乓球所說的「一個回合」（rally），是指從擊球開始，到其中一方失誤或未能合法回球、該分結束的一段來回。至於一局完整的 11 分制比賽，還要處理發球、接發球、失誤、得分判定、換發球，以及直至一方勝出等比賽流程。57

因此，連續成功來回 11 次，並不足以證明機械人能夠自行完成一局比賽。機械人可能在合作式訓練中穩定回球，也可能只是在真人餵球下作出反應；但要由兩台機械人自行開局並分出勝負，就必須同時具備自主發球、移動、回球、攻防選擇及比賽流程處理能力。57

SMASH 2.0 如何把「看見」變成「出手」

SMASH 2.0 是一套模組化系統，將幾項功能串成閉環：

1. 感知： 機身上的第一身攝影機偵測乒乓球，並估算與機械人本身相關的狀態，不依賴場外攝影機陣列。2
2. 軌跡預測： 系統計算來球的飛行路徑，並預測其飛行及彈台後的走向。714
3. 動作與擊球規劃： 根據來球路線，決定在何處、以何種方式擊球，並選擇不同的回球與落點。714
4. 全身控制： 機械人協調雙腿、軀幹、手臂和球拍，在維持平衡的同時移至擊球位置並完成動作。214

相關報道形容，機械人只有毫秒級的決策與控制時間：它必須在下一次可擊球的時限前辨識來球、計算軌跡並規劃擊球動作。714 SMASH 的學術介紹亦強調兩項核心設計：針對擊球任務的模仿學習，以及用於即時互動的機載第一身視覺。2

換句話說，這並不是一個由單一大型模型從頭包辦所有工作的黑盒，而是把視覺感知、球路預測、動作規劃與全身運動控制連接起來，持續回應球枱另一邊的變化。

從 SMASH 1.0 到 2.0：為何要加入自主發球與長短球處理

據團隊及相關報道，SMASH 2.0 的升級方向，集中在讓系統從「能夠回球」走向「能夠完成一場正式比賽」。

自主發球

2.0 加入自主發球，讓機械人可以自行開始每一分，並按照比賽格式輪流發球。缺少這項能力時，機械人即使能夠參與回合，也無法由頭到尾獨立運行一局完整比賽。58

擴大擊球範圍

系統擴大了可擊球空間，以應付較短及較長的來球。團隊表示，他們把人類動作數據帶入模擬訓練，建立更廣泛的擊球動作庫，讓機械人覆蓋更完整的工作空間。2

從合作式回球轉向攻防

完整比賽不能只靠雙方「餵球式」地維持來回。兩台機械人都希望得分時，還要根據來球選擇進攻或防守，處理不同落點與回球方式。團隊對 SMASH 2.0 的描述包括多種回球類型和目標落點，因此系統比單純應付固定來球的示範更接近比賽情境。

但現有資料並未證明機械人已具備人類級的戰術多樣性。較穩妥的結論是：這次示範把自主發球、感知、移動、擊球和計分連接成一個可運作的比賽循環。714

目前最大限制：可以預設打法，仍未能即場適應對手

團隊目前可以為機械人設定不同策略，例如較快或較慢的節奏，以及不同的落點安排。但團隊亦表示，系統尚未做到在即時比賽中針對某一名對手進行真正的線上學習。

實際而言，機械人還不能在對局期間持續分析對手的習慣，然後自行修改策略。例如，它未能可靠地判斷對手偏好打向哪個位置，再在下一輪對打中逐步調整整套打法。

團隊下一步計劃保存兩台機械人對打時產生的資料，包括成功及失敗的回合，再用於日後的真機強化學習。這些資料未來或可支援團隊所說的機械人「自進化」，但目前仍只是後續訓練目標，並非這次比賽已展示的能力。

訓練資料主要來自人類動作

團隊表示，目前的訓練資料仍以人類數據為主。研究論文提到，系統使用動作捕捉示範，並透過生成動作庫擴大可學習的擊球範圍；團隊亦表示，人類動作紀錄被用於模擬訓練，協助機械人處理更多不同位置的來球。2

較詳細的報道則指，團隊曾安排教練每日進行約一至兩個月的訓練，教練穿戴動作捕捉設備，讓系統收集擊球示範；團隊同時正研究無標記動作捕捉。這種方法可以減少對穿戴式標記的依賴，但可能在資料品質上作出取捨。這部分屬於團隊報告的訓練方法，現有來源未能獨立核實流程的每一個細節。35

為何乒乓球是人形機械人的高難度測試

乒乓球把多項機械人難題壓縮在極短時間內：機械人要追蹤細小而快速移動的球，預測球的飛行及彈跳，決定回應方式，移動到適當位置，協調多個關節，在保持身體平衡的同時完成受控擊球。對手與周遭物理環境也會不斷改變。1418

這令乒乓球成為具身人工智能的一項實戰式對抗測試。表現好壞不只取決於能否重播一個固定動作，而在於能否根據新的球路和對手反應作出即時決策。從這個角度看，乒乓球與其他正式機械人運動對抗項目——包括格鬥類比賽——有相似之處：都要求快速反應、身體協調，以及面對對手時的即時調整。

從示範走上北京賽場

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。乒乓球首次成為正式競賽項目，共有 12 支隊伍參賽。810

整屆運動會共有 2,056 台機械人、666 支隊伍，參與 51 個項目；這個總數並不等於乒乓球項目的機械人數量。港大 SMASH 戰隊最終晉級乒乓球決賽，以 0：2 不敵北京大學／北京智源人工智能研究院聯隊，取得亞軍。110

在開幕式的人機展示中，SMASH 機械人亦曾與奧運乒乓球冠軍丁寧交手。現有報道清楚確認的港大系統人類對手是丁寧；運動會其他名將則參與了分開進行的示範活動。111920

SMASH 背後的團隊

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；相關報道亦以 Chaowei 或 Chaowei Motion 稱呼該公司。港大 SMASH 團隊被描述為一支年輕的具身人工智能研究隊伍，成員主要是香港大學博士生，由香港大學計算與數據科學學院副院長羅平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，準備兩台機械人進行自主對打。這個時間表是團隊所報告的示範準備過程，並不代表整個乒乓球機械人研究項目的完整歷史；現有資料也未有確立該項目最初開始的準確日期。11

SMASH 2.0 的實際成就，因此比「機械人已經像人類球手一樣懂得比賽」的標題更具體，也更值得關注：團隊展示了一場其所稱的、由人形機械人對人形機械人完成的全自主乒乓球完整對局，同時暴露出下一個技術關口。機械人如今能把感知、預測、移動和計分接成競賽循環；但要成為真正能根據對手即場改變戰術的球手，仍要先解決可靠的對手建模與持續學習問題。

港大與 KAI／超維（Chaowei）團隊展示的重點，不是機械人偶然成功回擊幾球，而是兩台人形機械人在沒有遙控、人手餵球或外部攝影機的情況下，自主完成一局 11 分制乒乓球比賽：輪流發球、接應來球、作出攻防回擊、累積分數，直至分出勝負。4612

不過，「全球首例」應理解為研究團隊提出的說法，而非已由整個業界獨立確認的結論。現有報道較能支持的，是這次示範的規模：兩台人形機械人以機載感知系統進行對打，而且完成了完整一局比賽，而不是單一技術展示。24

完整 11 分制對局，不等於連續對拉 11 球

乒乓球所說的「一個回合」（rally），是指從擊球開始，到其中一方失誤或未能合法回球、該分結束的一段來回。至於一局完整的 11 分制比賽，還要處理發球、接發球、失誤、得分判定、換發球，以及直至一方勝出等比賽流程。57

因此，連續成功來回 11 次，並不足以證明機械人能夠自行完成一局比賽。機械人可能在合作式訓練中穩定回球，也可能只是在真人餵球下作出反應；但要由兩台機械人自行開局並分出勝負，就必須同時具備自主發球、移動、回球、攻防選擇及比賽流程處理能力。57

SMASH 2.0 如何把「看見」變成「出手」

SMASH 2.0 是一套模組化系統，將幾項功能串成閉環：

1. 感知： 機身上的第一身攝影機偵測乒乓球，並估算與機械人本身相關的狀態，不依賴場外攝影機陣列。2
2. 軌跡預測： 系統計算來球的飛行路徑，並預測其飛行及彈台後的走向。714
3. 動作與擊球規劃： 根據來球路線，決定在何處、以何種方式擊球，並選擇不同的回球與落點。714
4. 全身控制： 機械人協調雙腿、軀幹、手臂和球拍，在維持平衡的同時移至擊球位置並完成動作。214

相關報道形容，機械人只有毫秒級的決策與控制時間：它必須在下一次可擊球的時限前辨識來球、計算軌跡並規劃擊球動作。714 SMASH 的學術介紹亦強調兩項核心設計：針對擊球任務的模仿學習，以及用於即時互動的機載第一身視覺。2

換句話說，這並不是一個由單一大型模型從頭包辦所有工作的黑盒，而是把視覺感知、球路預測、動作規劃與全身運動控制連接起來，持續回應球枱另一邊的變化。

從 SMASH 1.0 到 2.0：為何要加入自主發球與長短球處理

據團隊及相關報道，SMASH 2.0 的升級方向，集中在讓系統從「能夠回球」走向「能夠完成一場正式比賽」。

自主發球

2.0 加入自主發球，讓機械人可以自行開始每一分，並按照比賽格式輪流發球。缺少這項能力時，機械人即使能夠參與回合，也無法由頭到尾獨立運行一局完整比賽。58

擴大擊球範圍

系統擴大了可擊球空間，以應付較短及較長的來球。團隊表示，他們把人類動作數據帶入模擬訓練，建立更廣泛的擊球動作庫，讓機械人覆蓋更完整的工作空間。2

從合作式回球轉向攻防

完整比賽不能只靠雙方「餵球式」地維持來回。兩台機械人都希望得分時，還要根據來球選擇進攻或防守，處理不同落點與回球方式。團隊對 SMASH 2.0 的描述包括多種回球類型和目標落點，因此系統比單純應付固定來球的示範更接近比賽情境。

但現有資料並未證明機械人已具備人類級的戰術多樣性。較穩妥的結論是：這次示範把自主發球、感知、移動、擊球和計分連接成一個可運作的比賽循環。714

目前最大限制：可以預設打法，仍未能即場適應對手

團隊目前可以為機械人設定不同策略，例如較快或較慢的節奏，以及不同的落點安排。但團隊亦表示，系統尚未做到在即時比賽中針對某一名對手進行真正的線上學習。

實際而言，機械人還不能在對局期間持續分析對手的習慣，然後自行修改策略。例如，它未能可靠地判斷對手偏好打向哪個位置，再在下一輪對打中逐步調整整套打法。

團隊下一步計劃保存兩台機械人對打時產生的資料，包括成功及失敗的回合，再用於日後的真機強化學習。這些資料未來或可支援團隊所說的機械人「自進化」，但目前仍只是後續訓練目標，並非這次比賽已展示的能力。

訓練資料主要來自人類動作

團隊表示，目前的訓練資料仍以人類數據為主。研究論文提到，系統使用動作捕捉示範，並透過生成動作庫擴大可學習的擊球範圍；團隊亦表示，人類動作紀錄被用於模擬訓練，協助機械人處理更多不同位置的來球。2

較詳細的報道則指，團隊曾安排教練每日進行約一至兩個月的訓練，教練穿戴動作捕捉設備，讓系統收集擊球示範；團隊同時正研究無標記動作捕捉。這種方法可以減少對穿戴式標記的依賴，但可能在資料品質上作出取捨。這部分屬於團隊報告的訓練方法，現有來源未能獨立核實流程的每一個細節。35

為何乒乓球是人形機械人的高難度測試

乒乓球把多項機械人難題壓縮在極短時間內：機械人要追蹤細小而快速移動的球，預測球的飛行及彈跳，決定回應方式，移動到適當位置，協調多個關節，在保持身體平衡的同時完成受控擊球。對手與周遭物理環境也會不斷改變。1418

這令乒乓球成為具身人工智能的一項實戰式對抗測試。表現好壞不只取決於能否重播一個固定動作，而在於能否根據新的球路和對手反應作出即時決策。從這個角度看，乒乓球與其他正式機械人運動對抗項目——包括格鬥類比賽——有相似之處：都要求快速反應、身體協調，以及面對對手時的即時調整。

從示範走上北京賽場

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。乒乓球首次成為正式競賽項目，共有 12 支隊伍參賽。810

整屆運動會共有 2,056 台機械人、666 支隊伍，參與 51 個項目；這個總數並不等於乒乓球項目的機械人數量。港大 SMASH 戰隊最終晉級乒乓球決賽，以 0：2 不敵北京大學／北京智源人工智能研究院聯隊，取得亞軍。110

在開幕式的人機展示中，SMASH 機械人亦曾與奧運乒乓球冠軍丁寧交手。現有報道清楚確認的港大系統人類對手是丁寧；運動會其他名將則參與了分開進行的示範活動。111920

SMASH 背後的團隊

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；相關報道亦以 Chaowei 或 Chaowei Motion 稱呼該公司。港大 SMASH 團隊被描述為一支年輕的具身人工智能研究隊伍，成員主要是香港大學博士生，由香港大學計算與數據科學學院副院長羅平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，準備兩台機械人進行自主對打。這個時間表是團隊所報告的示範準備過程，並不代表整個乒乓球機械人研究項目的完整歷史；現有資料也未有確立該項目最初開始的準確日期。11

SMASH 2.0 的實際成就，因此比「機械人已經像人類球手一樣懂得比賽」的標題更具體，也更值得關注：團隊展示了一場其所稱的、由人形機械人對人形機械人完成的全自主乒乓球完整對局，同時暴露出下一個技術關口。機械人如今能把感知、預測、移動和計分接成競賽循環；但要成為真正能根據對手即場改變戰術的球手，仍要先解決可靠的對手建模與持續學習問題。