DeepMind机器人乒乓球正反手全胜人类初学者
来源：互联网 2026-07-03 06:18:01DeepMind推出首个达到人类业余水平的乒乓球学习型机器人智能体。它采用分层模块化架构，实现零样本模拟到真实技术，并能实时适应未见对手。在29场与不同级别人类的比赛中，机器人对初学者胜率100%，对中级选手胜率55%，但对高级选手全败。
巴黎奥运会期间，乒乓球关注度持续上升。而在赛场之外，机器人打乒乓球这一领域，也传来了重大消息。
长期稳定更新的攒劲资源： >>>点此立即查看<<<
Google DeepMind近日宣布，成功推出了首个在竞技乒乓球领域达到人类业余水平的学习型机器人智能体。
论文地址：https://arxiv.org/pdf/2408.03906
那么，这款乒乓球机器人水平如何？从实际表现来看，它已能与人类业余选手一较高下：
正手、反手切换流畅，面对多种打法的对手都能稳定应对，接不同旋转的发球也不在话下。当然，若论比赛激烈程度，或许还不及公园里高手之间的对决。
对机器人而言，乒乓球极具挑战性：既需要精细的低水平技能，又要求复杂的策略性玩法。DeepMind团队意识到，在战略层面稍作让步，同时确保低水平技能执行到位，可能是更优方案。这一点让乒乓球与围棋、国际象棋等纯策略游戏截然不同。
正因如此，乒乓球成为测试机器人综合能力的理想基准——涉及高速运动、实时精确控制、战略决策、系统设计，以及直接与人类对手正面较量。
Google DeepMind首席科学家对此评价颇高：“乒乓球机器人将帮助我们解决高速控制和感知的问题。”
实际效果如何？研究团队安排了29场机器人与人类的比赛。参赛者均为机器人从未见过的玩家，水平从初学者到专业锦标赛选手不等。最终，机器人取得45%（13/29）的胜率。面对最高级别选手，机器人全面落败；但面对初学者，它保持100%胜率；对战中级选手，胜率也达到55%。这一成绩表明，它已摸到人类业余选手的门槛。
以下是该项研究的几个核心贡献：
一是提出了分层模块化的策略架构。底层包含专门的低级控制器和技能描述器，这些描述器能模拟智能体能力，有效缩小模拟环境与真实世界的差距；顶层则是一个高级控制器，负责在关键时刻选择合适的低级技能。
二是实现了零样本的模拟到真实迁移技术，其中包括一套基于现实世界任务分布的迭代方法，以及一套自动课程机制。
三是具备了实时适应未见对手的能力。
方法介绍
该智能体由两部分构成：一个低级技能库，以及一个高级控制器。低级技能库专注于乒乓球中的具体动作，如正手上旋球、反手瞄准或正手发球。除训练策略本身外，研究还线上和线下收集了每个低级技能的优势、劣势和局限信息。高级控制器则根据实时比赛数据和技能描述，临场选出最合适的技能。
此外，研究团队还收集了一部分人类对战的比赛数据，用作初始任务条件的种子——数据包含位置、速度和旋转信息。随后，在模拟环境中，团队使用强化学习训练智能体，再借助现有技术将训练好的策略无缝部署到真实硬件上。
更有趣的是，该智能体还会边打边学：通过与人类对打不断生成新数据，游戏标准随之逐步提升，让智能体持续学习更高阶的动作。这种“模拟—现实”混合循环，像一个自动老师，使机器人的技能随时间推移逐步提高。
分层控制
分层控制的具体流程大致拆解为以下几个步骤：
首先由高级控制器（HLC）决定使用正手还是反手；然后根据比赛中的统计数据，在线维护每个HLC的偏好（用H值量化）；接下来，HLC根据调整后的H值，从入围的低级控制器中进行抽样；最后，H值和对手统计数据持续更新，直到比赛结束。
结果
研究团队将智能体与29名不同级别的选手进行实战对比——这些人被分为初学者、中级、高级和“高级+”四个档次。比赛严格按标准规则进行（仅因机器人无法发球，规则做了微调）。
面对所有对手，机器人最终取得45%的“比赛”胜利和46%的单局胜利。按水平拆分：对阵初学者，胜率100%；对阵中级选手，胜率55%；而对阵高级和高级+选手，则全败。数据清楚显示：在乒乓球回合中，该智能体已稳稳站上中级人类选手的水平线。
打不过高级玩家的原因十分直接——物理与技术天花板：反应速度、相机感应能力、对旋转的处理等，在模拟环境中很难做到精准建模。
值得一提的是，与这款机器人打球的体验相当不错。参与测试的人普遍反馈“有趣”“吸引人”，并全部表示“非常愿意”再次尝试。在自由活动时间里，他们在5分钟内平均玩了4分06秒，用户黏性可见一斑。
不过，该机器人也有明显软肋——不擅长处理下旋球。顶级选手很早就指出了这一点。研究人员验证后发现：面对下旋球增多时，机器人的球着陆率大幅下降。这既是物理层面的无奈（处理低球时容易撞到球台），也是技术上的挑战（实时判断球的旋转本身就是难点）。
参考链接：https://sites.google.com/view/competitive-robot-table-tennis/homeutm_source&utm_medium&utm_campaign&utm_content&pli=1
侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述
相关攻略
更多同类更新
更多
热游推荐
更多-
- DreamStudio
- Android/ | AI绘图
- 2026-06-30
-
-
- Playground AI
- Android/ | AI绘图
- 2026-06-30
-
- Adobe Firefly
- Android/ | AI绘图
- 2026-06-30
-
-
-
- Leonardo AI
- Android/ | AI绘图
- 2026-06-30
-
- Stable Diffusion
- Android/ | AI绘图
- 2026-06-30
