乒乓球机器人以高速精度回击球

这款新型乒乓球机器人包含一条多关节机械臂，该机械臂固定在乒乓球台一端，并握有一只标准乒乓球拍。借助多个高速摄像头和高带宽预测控制系统，该机器人能快速估算来球的速度和轨迹，并执行多种挥拍动作之一——弧圈球、扣杀或削球——以精确地将球击打到球台上的期望位置，并施以不同类型的旋转。

在测试中，工程师们从球台对面连续向机器人抛掷150个球。该机器人成功回击了这些球，三种挥拍类型的综合命中率约为88%。机器人的击球速度接近人类选手的最高回球速度，并且快于其他乒乓球机器人设计。

目前，该团队正致力于扩大机器人的击球范围，使其能应对更多样化的来球。他们设想该系统可在日益增长的智能机器人训练系统领域成为有竞争力的解决方案。

研究团队表示，除乒乓球运动外，此项技术可应用于提升仿人机器人的速度和响应能力，特别是在搜救场景以及需要机器人快速反应或预判的情境。

"我们解决的问题，特别是关于快速精准拦截物体的技术，可能对需要机器人执行动态机动操作并实时规划末端执行器与物体交会点的场景具有潜在价值，"麻省理工学院研究生大卫·阮（David Nguyen）表示。

阮与麻省理工学院研究生肯德里克·坎西奥（Kendrick Cancio）及机械工程系副教授、麻省理工学院仿生机器人实验室主任金相培（Sangbae Kim）共同撰写了这项新研究。研究人员将于本月在IEEE机器人与自动化国际会议（ICRA）上发布相关实验结果的论文。

精确击球

自20世纪80年代以来，研究人员一直致力于研发乒乓球机器人。该挑战需要融合多项技术，包括高速机器视觉、敏捷快速的电机与执行器、精确的机械臂控制、实时准确预测以及更高层次的比赛策略规划。

"若将机器人控制问题视为一个光谱，一端是通常缓慢但高度精确的操作，例如抓取物体并确保稳固握持；另一端则是具备动态特性并能适应系统扰动的移动能力，"阮解释道。"乒乓球恰好位于两者之间。击球操作仍需精确控制，但必须在300毫秒内完成。因此它平衡了动态移动和精确操作这两类相似问题。"

自20世纪80年代以来，乒乓球机器人已取得长足进步。近期欧姆龙（Omron）和谷歌DeepMind的设计采用人工智能技术，通过"学习"历史乒乓球数据来提升机器人应对日益多样化的击球技术的能力。这些设计已被证明具备足够的速度和精度，可与中级人类选手进行连续对打。

"这些都是专为乒乓球设计的特殊机器人，"坎西奥指出。"我们的机器人旨在探索乒乓球技术如何转化为更通用的系统，例如能够执行多种不同实用任务的仿人机器人或拟人化机器人。"

游戏控制

在新设计中，研究人员改良了金相培实验室为麻省理工仿人机器人（MIT Humanoid）开发的轻量化高功率机械臂。该仿人机器人是配备双臂的双足机器人，体型接近幼童。研究小组利用该机器人测试各类动态机动动作，包括在不规则多变地形上导航以及跳跃、奔跑和后空翻，目标是有朝一日将此类机器人部署于搜救行动。

该仿人机器人的每条手臂拥有四个关节（即四个自由度），各由电机独立控制。坎西奥、阮和金相培建造了类似的机械臂，并通过在腕部增加一个自由度以实现球拍控制，从而将其改造为乒乓球机械臂。

团队将机械臂固定于标准乒乓球台一端的桌面上，并在球台周围架设高速动作捕捉摄像机以追踪弹向机器人的乒乓球。他们还开发了最优控制算法，基于数学和物理原理预测机械臂应以何种速度及球拍角度执行特定挥拍动作（弧圈球/上旋球、扣杀/平击球或削球/下旋球）来击打来球。

他们使用三台计算机并行运行算法：同步处理摄像机图像、估算乒乓球的实时状态，并将这些估算转化为电机指令，使机器人能快速响应并挥拍击球。

在连续抛射150个球后，他们发现机器人对三种挥拍类型的命中率（即成功回球率）基本相当：弧圈球88.4%，削球89.2%，扣杀87.5%。随后团队优化了机器人的反应时间，测得该机械臂以20米/秒的速度击球，快于现有系统。

论文中报告显示，机器人击球速度（即球拍接触乒乓球的瞬时速度）平均为11米/秒。已知高水平人类选手回球速度可达21至25米/秒。在完成初步实验报告后，研究人员进一步优化系统，目前已录得最高击球速度达19米/秒（约合42英里/小时）。

"本项目的部分目标是证明我们能达到人类的运动水平，"阮表示。"在击球速度方面，我们已经非常非常接近了。"

后续研究还赋予了机器人瞄准能力。团队在系统中整合了预测算法，不仅能判断如何击球，更能确定击球落点。通过最新迭代版本，研究人员可在球台上设定目标位置，机器人将把球击向该指定位置。

由于固定在球台上，机器人的移动范围和覆盖区域有限，主要能回击落在球台中线的月牙形区域内的来球。未来，工程师计划将机器人安装于龙门架或轮式平台上，使其能覆盖更多台面并应对更多样化的来球。

"乒乓球的关键在于预判对手击球产生的旋转和轨迹，这是自动发球机无法提供的信息，"坎西奥说道。"此类机器人可模拟比赛环境中对手的战术动作，从而帮助人类球员训练提升。"

本研究部分由机器人及人工智能研究所提供支持。