4MvWifLih8K tech.huanqiu.comarticle麻省理工学院研发高性能乒乓球机器人系统,击球成功率达88%向人类水平迈进/e3pmh164r/e3pn4gh77【环球网科技综合报道】6月2日消息,麻省理工学院仿生机器人实验室近日一项创新成果引发关注。该实验室成功开发出一套先进的机器人乒乓球系统,其以极高精度使用球拍击球的能力备受瞩目,相关研究成果已在arXiv上发表论文。论文作者之一肯德里克·坎西奥介绍,实验室长期致力于通过创新硬件与控制系统打造高性能机器人。此次受机器人与人工智能研究所委托开发的这套系统,旨在探索动态操控的潜力,目标是让仿人机器人在乒乓球运动中的表现达到人类水平。麻省理工学院实验室当前主要聚焦两大研究方向:一是足式机器人如何实现灵活行走,二是如何实现物体的快速操控。这两个研究方向均面临独特挑战,前者需应对环境干扰,后者则强调动作的精准执行。而乒乓球运动恰好融合了这两方面的控制难点,要求系统在极短时间内做出精准反应。正如论文合著者大卫·阮所言,这是一个独特的控制问题,而研究团队借助定制硬件寻求突破。 大卫·阮与肯德里克·坎西奥等研究人员开发的平台由机械臂和控制算法组成。该系统具备预测来球轨迹的能力,并能规划击球动作,在整个挥拍过程中持续微调路径,确保球拍以正确的角度、速度和位置命中目标。大卫·阮强调,团队并非仅规划手臂的下一步动作,而是为整个挥拍过程制定完整路径,这一举措虽增加了挑战,但显著提升了命中率。该系统由感知模块与执行模块两部分构成。感知模块借助现成的运动追踪系统,实时捕捉乒乓球的运动情况;执行模块则负责运算预测轨迹、规划最佳击球方式,并持续更新执行路径。值得一提的是,系统所使用的机械臂是麻省理工学院自研人形臂的定制版,具有高扭矩与低惯性的特点,这使得其反应更为敏捷,动作更为精准有力。这种控制方式未来有望应用于搜救等场景,助力机器人在动态环境中精准完成任务。通过实际测试,研究团队发现该系统能够以88%的成功率击中来球,平均出球速度达到11米每秒,同时支持三种不同的击球方式,展现出极高的稳定性与效率。肯德里克·坎西奥表示,尽管强化学习在当前机器人控制领域备受关注,但此次研究表明传统的约束优化仍具有不可替代的价值,未来或许可以将两种方法的优势相结合。大卫·阮补充道,自去年9月论文提交以来,系统功能进一步提升,如今不仅能够瞄准乒乓球台上的任意位置,还能精准规划拍面与球的接触过程。对于该系统的未来发展,研究人员已有明确计划。他们打算在后续工作中进一步拓展平台能力,例如为机械臂加装龙门架结构,以扩大其活动范围,使机器人能够完整参与人机乒乓球比赛。1748835555386环球网版权作品,未经书面授权,严禁转载或镜像,违者将被追究法律责任。责编:秦耳环球网174883555538611[]//img.huanqiucdn.cn/dp/api/files/imageDir/3a955c42a1e268841b29fbee15bc1283u1.png{"email":"qiner@huanqiu.com","name":"秦耳"}
【环球网科技综合报道】6月2日消息,麻省理工学院仿生机器人实验室近日一项创新成果引发关注。该实验室成功开发出一套先进的机器人乒乓球系统,其以极高精度使用球拍击球的能力备受瞩目,相关研究成果已在arXiv上发表论文。论文作者之一肯德里克·坎西奥介绍,实验室长期致力于通过创新硬件与控制系统打造高性能机器人。此次受机器人与人工智能研究所委托开发的这套系统,旨在探索动态操控的潜力,目标是让仿人机器人在乒乓球运动中的表现达到人类水平。麻省理工学院实验室当前主要聚焦两大研究方向:一是足式机器人如何实现灵活行走,二是如何实现物体的快速操控。这两个研究方向均面临独特挑战,前者需应对环境干扰,后者则强调动作的精准执行。而乒乓球运动恰好融合了这两方面的控制难点,要求系统在极短时间内做出精准反应。正如论文合著者大卫·阮所言,这是一个独特的控制问题,而研究团队借助定制硬件寻求突破。 大卫·阮与肯德里克·坎西奥等研究人员开发的平台由机械臂和控制算法组成。该系统具备预测来球轨迹的能力,并能规划击球动作,在整个挥拍过程中持续微调路径,确保球拍以正确的角度、速度和位置命中目标。大卫·阮强调,团队并非仅规划手臂的下一步动作,而是为整个挥拍过程制定完整路径,这一举措虽增加了挑战,但显著提升了命中率。该系统由感知模块与执行模块两部分构成。感知模块借助现成的运动追踪系统,实时捕捉乒乓球的运动情况;执行模块则负责运算预测轨迹、规划最佳击球方式,并持续更新执行路径。值得一提的是,系统所使用的机械臂是麻省理工学院自研人形臂的定制版,具有高扭矩与低惯性的特点,这使得其反应更为敏捷,动作更为精准有力。这种控制方式未来有望应用于搜救等场景,助力机器人在动态环境中精准完成任务。通过实际测试,研究团队发现该系统能够以88%的成功率击中来球,平均出球速度达到11米每秒,同时支持三种不同的击球方式,展现出极高的稳定性与效率。肯德里克·坎西奥表示,尽管强化学习在当前机器人控制领域备受关注,但此次研究表明传统的约束优化仍具有不可替代的价值,未来或许可以将两种方法的优势相结合。大卫·阮补充道,自去年9月论文提交以来,系统功能进一步提升,如今不仅能够瞄准乒乓球台上的任意位置,还能精准规划拍面与球的接触过程。对于该系统的未来发展,研究人员已有明确计划。他们打算在后续工作中进一步拓展平台能力,例如为机械臂加装龙门架结构,以扩大其活动范围,使机器人能够完整参与人机乒乓球比赛。