论文导读
浙江大学、清华大学、RoboParty实验室等机构把人形机器人乒乓球分成击球执行和落点策略，让机器人先学会把球打到指定位置，再学习下一球该落在哪里。在冻结同一套运动控制的仿真对战中，学习策略对“打向离对手最远区域”的规则取得73.1%的得分胜率，并展示了真实人机回合。
手脚完全一样，只换怎么选落点
球来了，机器人能回过去，只是比赛的第一步。下一个选择是打向哪里：中间最稳，还是把对手调到另一边？研究团队把这个选择单独拿出来，要求所有策略使用同一套已冻结的击球控制。
图：点图及误差条比较学习策略对中间、随机及远离对手落点规则的仿真得分胜率。
在仿真中，学习策略对总选中间、随机选区域、选离对手最远区域三种规则的得分胜率分别为88.9%、81.9%、73.1%。最后一种规则已知道对手位置，仍不及通过自我对练学出来的选择。
测试对每对策略使用八个随机种子，每个种子200个模拟单分回合，平衡双方站位与先接球的一方。论文比较的是仿真中每分谁赢，不是对真人的73.1%胜率，也不是职业球员水平。
先练打得准，再练对手会怎样回
第一阶段，机器人接规定分布的来球，学习把球送到连续指定的落点。一个击球规划器决定球拍应该怎样与球接触，运动控制器则让身体、球拍和底盘完成动作。落点始终是上层与执行层之间的接口。
图：三阶段训练流程保持落点指令接口，最后冻结执行层训练落点选择。
第二阶段把来球换成另一台模拟机器人回来的球。双方的失误与实际落点会影响后续来球，控制器必须适应连续回合。此时目标落点仍不考虑对手位置，研究团队让这一阶段专门练执行，没有同时把战术目标混进去。
为了确认收益不只是额外训练时间，论文还从同一个初始模型出发，用相同预算继续练规定来球。交互对练在展示的回合深度上取得更高的合法回球率与落点准确性，说明真实回合式的来球分布提供了不同训练经验。
第三阶段冻结整套执行，只训练选择九个落点区域的策略。它读取近期球位置、双方平面位置和上一个落点，再通过竞争结果学习下一球去哪。执行层收到的仍是相同格式的落点指令。
它会看对手，也会看上一球
研究团队固定其他输入，只改变对手的左右位置。选择概率会朝对手的相反方向偏；只改变前一个落点时，下一个选择也倾向于转向另一侧。图中的概率地图让这种局部变化可以单独检查。
图：四组九宫格显示仅改变对手位置或前一落点时的区域选择概率。
这两组干预说明策略确实对这两个输入敏感，但没有把它们各自对胜率的贡献拆开。会响应对手位置，不等于已经建立了持续记忆对手习惯的战术模型；当前状态只包含有限的观察与平面位置。
实机部署保留同一个落点接口与冻结运动执行，把模拟对手位置换成运动捕捉得到的真人位置，展示多拍回合及正反手击球。公开论文与项目页报告的比赛场数、比分有差异，因此这里采用一致的仿真结果，不用比分为实机能力加码。
当前实机评测只覆盖一位业余对手，并依赖外部球跟踪和人体运动捕捉；球模型也没有旋转与马格努斯力。论文已经分清一个可检查的进步：同样的手脚动作，学会选择落点后，在这些仿真对手面前赢下了更多分。
参考资料
https://arxiv.org/abs/2610.14067
https://arxiv.org/html/2610.14067
https://arxiv.org/pdf/2610.14067
