🐼Pandaily•最新收集於 75m
SMASH 2.0 機器人完成自主乒乓球賽
💡完整的機器人對戰，比腳本化展示更能檢驗具身 AI 能力。
⚡ 30-Second TL;DR
有什麼變化
兩台人形機器人自主完成了一場完整的 11 分制乒乓球比賽。
為什麼重要
完整自主比賽展現了感知、動作控制、規劃及多智能體互動的整合能力。這也為機器人研究人員提供一項實用基準，用於評估機器人在動態及對抗性環境下的具身智慧。
下一步行動
將 SMASH 2.0 的展示作為基準，測試自家機器人策略在自主發球、球體追蹤及失誤恢復情境下的表現。
誰應關注：Researchers & Academics
關鍵要點
- •兩台人形機器人自主完成了一場完整的 11 分制乒乓球比賽。
- •系統無需遙控即可處理發球、對打及計分。
- •比賽不需要人工餵球；SMASH 2.0 將於 8 月 22 至 26 日在北京世界機器人大賽亮相。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •SMASH 2.0 採用了基於視覺伺服控制（Visual Servoing）的閉環控制系統，使其能夠在毫秒級別內調整機械臂的運動軌跡以應對旋轉球。
- •該機器人整合了輕量化碳纖維材料與高扭矩密度伺服馬達，顯著提升了揮拍速度與反應靈敏度，以模擬人類職業選手的擊球節奏。
- •研究團隊開發了一套專用的強化學習（Reinforcement Learning）演算法，透過模擬環境訓練機器人預測球的落點與彈跳軌跡。
- •SMASH 2.0 的視覺感知系統結合了多鏡頭深度感測技術，即使在高速對打過程中也能精確捕捉乒乓球的空間座標。
- •此次展示不僅是技術驗證，更是為了測試人形機器人在非結構化環境下進行高動態互動的穩定性與魯棒性。
📊 競品分析▸ Show
| 機器人名稱 | 開發機構 | 核心技術優勢 | 乒乓球能力 |
|---|---|---|---|
| SMASH 2.0 | 香港大學/KAI | 高動態視覺伺服控制 | 全自主對打/計分 |
| Google DeepMind Table Tennis | 深度強化學習 | 業餘人類水平對打 | |
| Omron FORPHEUS | Omron | 傳感器融合/軌跡預測 | 輔助教學/對打 |
🛠️ 技術深入
- 視覺系統：採用高幀率工業相機陣列，實現對球體運動的即時追蹤與軌跡預測。
- 控制架構：基於模型預測控制（MPC）與強化學習的混合架構，實現運動規劃與執行。
- 硬體配置：人形雙臂設計，具備多自由度關節，模擬人類肩、肘、腕的運動鏈。
- 數據處理：邊緣運算單元負責處理視覺數據流，確保系統延遲低於 10 毫秒。
🔮 前景展望AI analysis grounded in cited sources
人形機器人將進入家庭陪練市場
SMASH 2.0 展現的自主對打能力證明了機器人已具備處理高動態、互動式體育活動的潛力。
視覺伺服控制技術將加速工業自動化升級
該技術在乒乓球賽中的成功應用，可直接轉化為精密裝配與物流分揀領域的動態抓取能力。
⏳ 時間線
2025-06
SMASH 1.0 原型機發布，初步實現單臂自動發球功能。
2026-02
KAI 研究團隊與香港大學達成合作，啟動 SMASH 2.0 人形化升級專案。
2026-07
SMASH 2.0 在實驗室環境下完成首次雙機自主對打測試。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗