本文来自微信公众号： 42号电波 ，作者：小波，编辑：大吉，原文标题：《从打球机器人，看 Physical AI 的路线之争》

8月22日晚上，第二届世界人形机器人运动会开幕式上，银河通用把一台人形机器人带到了「冰丝带」的网球场。站在球网另一侧的是真正的人类运动员。

机器人要做的也不再是提前编排好的挥拍动作：它需要追踪高速来球，判断球未来会落在哪里，根据球的位置调整脚步，再协调腿、腰、肩和手臂完成击球。现场三轮对拉中，「银河·星仔」每轮一来一回都超过20次；在与郑洁的单打展示里，正手、反手、底线移动和连续回球都被放进了一个不断变化的真实对抗过程。

银河通用这套系统背后，是清华大学、银河通用等团队今年公开的LATENT。研究团队没有为机器人逐帧设计正手、反手和跑位，而是先从不完整的人类网球运动片段中提取运动先验，再让强化学习策略在仿真中不断修正和组合这些技能。

最终，Unitree G1可以面对不同方向和落点的来球调整全身运动，并在真实环境中和人类维持连续回合。论文特意强调，这些人类数据并不需要是一套完整、精确的比赛动作序列，只有正手、反手、侧向移动等primitive skill的片段也可以提供先验。

如果只看这部分，很容易把LATENT放进过去几年机器人研究越来越清晰的一条主线里：运动控制正在从工程师编写轨迹，走向机器人从大量经验中学习策略。以前工程师要告诉机器人手臂应该沿哪条轨迹运动，现在强化学习可以在仿真里经历海量试错，自己找到一套动作；以前步态、挥拍和重心调整往往需要分开设计，现在一个全身策略开始可以同时协调二十多个自由度。

沿着这条逻辑继续往前推，如果机器人数据越来越多、模型越来越大，传统机器人学里那些由工程师写下来的运动学、动力学、碰撞模型和控制器，似乎也应该像计算机视觉时代的人工特征一样，逐渐被学习吞掉。

但LATENT的论文里还有另一部分，很容易被那个更直观的网球demo掩盖。为了让策略从MuJoCo进入现实，研究团队仍然需要描述一个相当具体的物理世界：机器人有质量和质心，脚与地面之间有摩擦，球拍的质量和质心会影响挥拍；网球有质量，飞行受到空气阻力，撞上地面以后有恢复系数和切向阻尼。

更有意思的是，LATENT没有执着于把这些参数全部辨识到一个足够准确的数值，而是主动在训练中随机改变它们。脚底摩擦在一个范围内变化，机器人本体质量可以在标称值的0.75—1.25倍之间改变，球拍质量也会变化；网球质量做小范围扰动，球地恢复系数在0.71—0.79之间随机，空气阻力系数则在0.01—0.04之间取值。

机器人最终学会的，不是在一个精确复制现实的世界里打网球，而是在一组略有不同的物理世界里都能够完成任务。

这件事让银河通用的网球demo变得比「人形机器人终于会打网球了」更值得讨论。如果强化学习已经可以自己找到全身运动策略，为什么训练它的simulator仍然需要如此认真地描述球怎样飞、怎样撞、怎样反弹？更进一步，如果未来Physical AI真的走向更大规模的模型、数据与仿真，那些经典机器人学里的物理模型究竟会被什么替代，哪些又可能长期留下？

过去两年的几套打球机器人，恰好提供了一组很好的观察样本。

2025年MIT Sangbae Kim团队的高速乒乓球机械臂，仍然直接把球的飞行动力学和机械臂约束写进模型预测控制；Google DeepMind已经让学习策略承担大量击球控制，却在背后搭起一套复杂的仿真环境，通过大量system identification和sim-to-real设计去支撑learned policy；Berkeley的HITTER则干脆把系统从中间切开，球在哪里、什么时候打、球拍应该以什么速度撞过去，由model-based planner计算，29个关节究竟怎样协调，则交给强化学习。到了LATENT，物理模型又换了一种角色，它不再负责给出一个唯一正确的世界，而是定义真实世界可能落入的参数范围。

再往前一步，2026年4月发表在《Nature》上的Sony AI Ace已经能在正式规则下与elite和professional级人类乒乓球选手比赛。论文把它的核心控制方法明确称为model-free reinforcement learning，但整套系统里依然存在球的空气动力学、旋转、碰撞、机器人运动约束和优化器。Ace对elite选手五场赢下三场，对professional选手两场全败，但已经赢下其中一局。它可能是今天最容易打破「model-free就是不需要物理模型」这种直觉的案例：机器人策略越来越依赖学习，并不意味着系统对物理世界的描述越来越少。

真正的路线之争已经不太是「物理模型」和「神经网络」谁最终战胜谁，而是另一个更具体的问题：哪些物理规律值得直接告诉机器人，哪些应该让它自己学；物理模型应该待在实时控制里、藏进simulator里，还是只负责规定一个世界可能变化的范围？

一颗高速飞行的球

机器人打球并不是一个新问题。

1980年代，AT&T Bell Labs的Russell Andersson已经在研究机器人乒乓球：视觉系统观察球，预测它接下来会经过什么位置，机器人再根据预测结果修改击球动作。那一代系统今天看来极其「传统」，但它实际上已经抓住了打球机器人最基本的一组困难：机器人面对的不是静止物体，而是一个高速运动、未来状态必须提前估计的动态世界。

打球特别适合观察机器人技术路线，并不是因为球类运动本身多么重要，而是它把几个平时可以被系统缓慢修补的问题全部压缩到了不到一秒钟。以高水平乒乓球为例，球速可以超过20 m/s，两次击球之间往往不到0.5秒；旋转速度能够达到约1000 rad/s。机器人收到一次观测以后，真正需要回答的并不是「球现在在哪里」，而是它几十到几百毫秒以后会在哪里，什么时候穿过自己的可击球区域，到那个时刻球拍应该处在什么位置、以什么方向和速度运动。

这种问题与很多桌面manipulation有一个重要区别。如果机械臂拿杯子时位置偏了两厘米，摄像头还可以重新观测，手再移动一点；第一次夹得不正，也可以继续调整。反馈控制有时间不断修正。打球则要求机器人在一个尚未发生的未来状态上提前做决定。等球真正来到面前再开始规划，通常已经晚了，因此prediction不是附加能力，而是任务本身的一部分。

接触又进一步放大了预测误差。球拍的位置对了，不代表这一拍就对；球拍的线速度、法向、接触时机都会影响出球。入射球如果带有旋转，撞桌、撞拍以后的运动还会发生变化。对于质量很小、速度很高的乒乓球，空气阻力和Magnus effect不能简单当作无关项。Ace论文之所以把高速旋转测量单独当成感知系统的重要部分，原因就在这里：球的angular velocity会同时改变飞行轨迹和碰撞结果。

到了网球，问题又增加一层。机器人不再只是站在一个固定工作空间内用机械臂挥拍，而是必须移动整具身体。球可能落在身体左侧、右侧、前方或者更远的位置，人形机器人需要决定是否迈步、迈多大、怎样转髋，随后再把球拍送到正确状态。在一台二三十自由度的人形机器人上，同一个球拍目标可能对应很多种可行的身体姿态，好的动作还要同时满足平衡、速度、关节范围和下一拍恢复等要求。

因此一个看起来简单的「机器人把球打回去」，实际上至少包含三层不同的问题。第一层是球怎样飞，它通常维度不高、物理规律稳定；第二层是球和球拍怎样接触，时间很短，对参数特别敏感；第三层是机器人自己的身体怎样产生那个击球状态，尤其在人形机器人上，它会迅速变成一个高维、冗余、存在大量约束的全身运动问题。

过去两年的几套系统真正出现分歧的地方，恰恰在这三层之间。它们并不是简单地选择「模型」或者「学习」，而是在判断：哪部分问题仍然足够低维、足够结构化，值得保留显式模型；从哪一部分开始，继续依靠工程师写方程和优化器，成本已经高过了让机器人自己学。

MIT的答案最靠近经典控制。

2025年ICRA，David Nguyen、Kendrick Cancio和Sangbae Kim做了一套专门为高速乒乓球设计的五自由度机械臂。为了让手臂能够快速加速，他们尽量降低远端惯量，整个系统最终可以完成loop、drive和chop三种击球，平均出球速度约11 m/s，三类动作综合成功率达到88%。但比这些数字更有意思的，是机器人在看到一颗球以后到底做了什么。

系统首先根据观测到的球轨迹预测未来位置，再根据预测结果定义击球时刻的terminal state：球拍应该在哪里、朝向什么方向、达到什么速度。不同的terminal orientation和velocity对应不同击球风格。接下来，这个目标进入optimal control problem，由控制器在机械臂速度、加速度等约束下求出轨迹；外面再套一层fixed-horizon model predictive control，每得到新的球轨迹预测，就重新更新挥拍计划。

如果只用今天机器学习的语言来描述，这套系统很容易被归为「老派」。它并没有让一个大policy直接从视觉输入映射到五个关节的动作，而是把「球怎样飞」「机器人怎样到达目标」拆成明确的问题，再通过模型和优化计算。

但这套系统值得注意的恰恰是：它的模型并不需要完美。

机器人控制里所谓「有模型」，并不意味着工程师已经完整掌握了真实世界。空气动力学可以简化，某些旋转效应可以忽略，碰撞参数也可以通过有限真实轨迹拟合。一个模型只要在当前决策的时间尺度上足够有用，就已经能够大幅减少控制器需要搜索的空间。机器人并不需要理解完整的流体力学，它只需要在真正开始挥拍之前，把球未来的位置预测到一个足够小的误差范围。

这也是显式物理模型长期以来在机器人里很难被简单替代的原因。它给系统提供了一种非常便宜的结构性先验。工程师已经知道球受到重力、运动存在惯性、碰撞会改变速度，那么没有必要先让机器人在真实世界失败十万次，才从数据里重新发现「球会掉下来」。至少当任务比较低维、模型可以快速辨识时，直接把已知规律写进去，数据效率会高得多。

真正的问题出现在复杂度上升以后。如果来球旋转种类越来越多，球拍材料具有强非线性，机械臂从五自由度变成29自由度人形机器人，再把脚底接触、重心变化、步态切换全部放进同一个最优控制问题，工程量和计算量都会迅速增加。物理模型当然可以继续扩充，但系统会越来越难写、越来越难调。

这时候，学习开始进入。

重新划分物理的职责

Google DeepMind在2024年发布的竞技乒乓球系统，已经明显进入另一种范式。它使用一只ABB IRB 1100六自由度机械臂，再叠加两条线性滑轨扩大覆盖区域。低层并不是一套单一控制器，而是一组学习得到的不同击球skill，高层controller再根据来球、当前能力和对手表现选择使用什么技能。

这套机器人最后与29位此前没见过的人类进行比赛，赢下13场：对beginner全胜，对intermediate胜率55%，对最强的advanced组则全部落败。DeepMind因此把它称为第一套达到amateur human-level competitive table tennis的learned robot agent。

和MIT相比，最明显的变化是动作越来越多地由learned policy直接给出。机器人不需要为每一拍都在线求解一套完整的挥拍最优控制问题，很多「怎样打」已经被提前压进神经网络。推理阶段因此变得很快，也更容易把大量不同风格、不同来球放进同一个技能系统。

但如果因此得出「DeepMind已经不要物理模型了」，就会漏掉最关键的一层：这些策略不是凭空长出来的，而是在simulation中训练出来的。要实现zero-shot sim-to-real，研究团队必须尽可能让simulator里那些真正影响击球的因素覆盖现实分布，包括机器人执行器和控制延迟、球飞行、桌面接触、球拍与球接触、摩擦以及各种噪声。论文把zero-shot sim-to-real本身列为核心贡献之一，并通过真实世界任务分布不断修正训练curriculum。

于是物理模型发生了一次很重要的「搬家」。在传统model-based control里，机器人真正执行动作时，模型参与每一次决策；到了强化学习系统里，机器人比赛时可能已经不再显式求解那些方程，可simulator需要提前运行海量次物理过程，用来生成policy学习所需的经验。

这两个系统表面看上去很不一样，实际上使用的是同一种资源：人类已经掌握的物理结构。区别只是MIT把它用于online planning，DeepMind更多把它用于offline training。

这种变化解释了为什么「model-free reinforcement learning」这个概念放到完整机器人系统里经常容易产生误解。RL里所谓model-free，主要指策略优化本身没有显式依赖一个可以滚动预测状态转移的模型，并不意味着研究者真的从系统里删除了physics。一个策略可以完全用model-free RL训练，同时每天在一个由刚体动力学、碰撞、摩擦和执行器模型搭出来的simulator中获得几千万次经验。

换句话说，学习真正替代的可能首先不是「物理知识」，而是每一次行动都要由工程师显式计算物理结果这件事。

这样做的优势很明显。当动作空间变大、接触变复杂以后，在线求解一整套控制问题会越来越昂贵，而RL可以把大量计算放在训练阶段。经历足够多虚拟世界的试错以后，policy把复杂策略压缩成一次快速前向推理，真正部署时可以用很低的计算成本给出动作。

代价则全部集中到了simulator上。

如果simulator和现实不一样，策略学得越多，某些错误也可能被学得越牢。这就是sim-to-real为什么成为机器人强化学习几乎绕不过去的一层。过去system identification试图得到更准确的机械系统模型；到了RL时代，问题反而扩张了——除了机器人本身，还要考虑整个训练环境是不是能产生「足够像现实」的经验。

Berkeley的HITTER在这个问题上选择了一条特别清楚的中间路线。

HITTER于2025年公开，使用通用人形机器人做乒乓球，后来进入ICRA 2026。系统最终与人类打出最长106拍连续回合。相比固定机械臂，一个humanoid最明显的不同，是球拍目标和关节动作之间隔着一整具身体：腿需要移动，躯干要转动，手臂要挥拍，机器人还必须维持稳定。

HITTER没有让一个网络从球轨迹一路端到端输出所有关节动作，而是明确把系统拆成两层。上层model-based planner负责球轨迹预测和racket target planning，确定击球位置、速度和时间；下层reinforcement learning whole-body controller才接手机器人身体，根据这些目标生成协调的手臂和腿部动作。为了让动作更像人，训练时还加入了human motion reference。

这个切分背后其实有很强的计算直觉。球飞行时真正需要描述的核心变量相对有限，位置、速度以及若干环境参数决定未来轨迹；这种系统的规律已经比较清楚，用模型预测不仅便宜，而且能够根据每一颗新球实时修改计划。可从「在0.35秒以后把球拍放到这个位置，以这个速度撞球」，再映射到一具人形机器人的所有关节，却属于另一类问题。这里有大量冗余自由度，同一个racket target可以有很多种身体实现方式，还要同时处理平衡、脚底接触、关节限制和连续回合中的恢复姿态。

HITTER因此没有试图回答「model-based还是model-free谁更高级」，它先把任务按结构难度拆开：球用模型，身体用学习。

这种架构其实非常有代表性，因为越来越多Physical AI问题都可能出现类似的「窄腰」。如果机器人要接一个飞过来的箱子，箱子的弹道可以预测，全身怎样冲过去、伸手、稳定身体可以学习；机械臂抓高速传送带上的物体，物体未来在哪里可以由简单模型估计，复杂抓取动作再交给policy。对于一类强结构的问题，继续保留显式规划可能更便宜；对于一类高维身体控制问题，继续手写规则则可能越来越不经济。

真正的争议开始从「要不要模型」，变成「边界画在哪里」。

而LATENT把这个问题又往前推了一步。它不只是重新划分「哪部分给模型、哪部分给学习」，还改变了工程师对物理模型准确性的要求。

不再追求一个唯一准确的世界

传统sim-to-real有一套很自然的逻辑：现实世界存在一组真实动力学参数，只是我们不知道，因此先做system identification，把它们尽可能测出来，再让simulation靠近reality。机器人质量是多少、质心在哪里、关节摩擦多大、球地恢复系数是多少、空气阻力如何变化，都可以通过实验估计。理想状态是让simulator的参数θ_sim尽可能接近现实中的θ_real。

这套方法在很多工业场景里很有效。问题在于，真实世界中的θ_real并不是永远不变。

球会磨损，场地会变化，球拍安装会有误差，机器人每一台机器的质量分布也可能略有不同；温度、装配、公差、地面材料甚至传感延迟都可能变化。如果一个policy只有在某一组极其准确的参数下才能工作，那么即使system identification做得很好，部署也可能很脆弱。

LATENT采取的思路是，不再执着于找到那个「唯一正确」的θ，而是把训练环境变成一个参数分布。论文直接把dynamics randomization用在机器人和网球两边：脚底摩擦在1.0—2.5范围随机，关节摩擦按标称值的0.75—1.25倍变化，本体质量也随机缩放到0.75—1.25倍；网球质量在0.95—1.05倍之间变化，球地恢复系数取0.71—0.79，切向阻尼取0.4—0.7，空气阻力系数k则在0.01—0.04之间随机。

研究者在论文里明确写到，网球sim-to-real的主要难点来自球—地面、球—球拍接触以及空气动力学，这些因素会显著影响球路。过去一些工作依赖更精确的system identification和复杂aerodynamic modeling，LATENT则发现，足够充分的dynamics randomization可以实现有效迁移并提高鲁棒性。空气阻力依然被明确写成与质量、速度和速度模长相关的力，只不过参数不再固定成一个精确值。

这件事看起来只是训练技巧变化，背后其实对应着两种完全不同的世界观。

传统方法问的是：现实世界到底是什么？LATENT更接近问：现实世界可能是什么？

前者希望simulator尽可能精确复制一份reality，后者希望建立一个足够宽的distribution of possible worlds，让现实成为其中一个样本。一个policy如果只有在空气阻力系数恰好为0.023时才能工作，就非常依赖模型精度；另一个policy如果在0.01—0.04里都能工作，那么现实究竟是0.021还是0.028，工程上就没有那么重要。

这也是为什么domain randomization不能简单理解成「物理模型不重要了」。实际上，它仍然高度依赖工程师对物理结构的判断。研究者仍然需要知道哪些量值得随机：球质量、恢复系数、空气阻力、摩擦、质心，而不是随便随机simulator里的所有东西。如果根本不知道哪些变量真正控制系统行为，也就不知道应该覆盖哪个参数空间。

物理模型在这里承担的角色，不再是提供一个精准答案，而是在定义一个「合理世界」的边界。

这可能比过去追求digital twin更适合一部分通用机器人。工业机器人长期工作在高度固定环境里，一台机器对应一条产线，精细system identification的成本可以被长期摊薄；通用人形机器人如果未来需要进入不同家庭、不同地面、不同负载和不同物体环境，则很难要求每到一个新场景都重新完整辨识一次动力学。相比「永远把模型测得更准」，让策略对模型误差不敏感，可能更容易scale。

但domain randomization也不是免费午餐。如果参数范围放得太窄，真实世界仍然可能落在训练分布之外；如果范围放得过宽，策略需要同时适应大量互相矛盾的动力学条件，可能学出过度保守的动作。更难的问题在于，有些现实误差根本不是简单一个参数范围可以描述的。例如复杂软体接触、未知材料、机械磨损、非线性执行器误差，很可能不存在一个工程师提前知道该怎样随机的简单θ。

这种情况下，另一条路线是：既然已经知道一部分physics，就保留它；剩下写不好的部分，再用learning补。

Sony AI的Ace是这条路线里一个非常有意思的例子。

2026年4月，《Nature》发表Ace。它使用event-based vision和高速机器人硬件，把乒乓球系统推到了可以与elite human players竞争的水平。正式比赛中，Ace对elite players五场赢下三场，对professional players两场都输了，但在这些professional比赛里赢下过一局。对机器人乒乓球来说，这是一个重要节点，因为过去系统通常停留在amateur human-level，Ace开始真正面对速度更高、旋转更复杂、策略更主动的人类选手。

论文特别强调，Ace的control system based on model-free reinforcement learning。这个描述很容易让人产生一种线性历史观：MIT还在用MPC，HITTER还要显式预测球路，到了Ace，RL终于把model-based control替掉了。

但真正看系统细节，事情并不是这样。

Ace仍然需要在simulation里训练。训练环境必须处理高速球飞行、旋转、碰撞与机器人动力学。球的spin会显著影响轨迹和球拍碰撞，因此系统甚至单独设计感知方法去估计angular velocity。RL policy输出的动作也不是直接毫无约束地发给电机，而是进入一个带hard constraint的convex optimization problem，从而生成collision-free、可执行的高速运动。

这意味着，即使在一篇明确把核心控制写成「model-free RL」的工作里，传统机器人学依然承担了一部分工作。区别只是系统不再要求一个统一的解析模型同时解决所有问题，而是把感知、simulation、policy、约束优化和硬件控制分开。

这也提醒我们，讨论「端到端」时必须先问端到哪里。

从用户视角看，摄像头看见球，机器人直接挥拍，当然可以叫端到端。可从系统内部看，中间仍然可能存在状态估计、物理仿真、learned policy、优化器和安全约束。神经网络吞掉的是某些原本必须人工设计的映射，不一定是整个控制系统。

真正的路线之争

把MIT、DeepMind、HITTER、LATENT和Ace放在一起看，会发现物理模型并没有按照一条简单的时间线逐渐消失。相反，它在系统中不断改变位置。

MIT把模型放在实时控制环里。机器人收到新观测以后，显式预测球未来状态，再重新求解动作。

DeepMind让learned policy承担越来越多在线控制，却把大量建模工作移进simulator，通过物理世界生成海量训练经验。

HITTER采用分层系统：基于物理模型的上层规划器负责球路预测和击球规划，强化学习全身控制器负责执行手臂、躯干与步法动作。图片来源：HITTER项目团队

HITTER又主动保留一个中间层：球的trajectory prediction和racket target planning仍然显式建模，复杂的29自由度whole-body control则交给RL。

LATENT先从不完整的人类网球动作片段中学习运动先验，再由高层策略根据球的状态修正和组合动作，并通过动力学随机化完成真机迁移。图片来源：LATENT论文

LATENT不再要求每个物理参数都准确，而是把模型扩成一个distribution，让策略对现实中的参数漂移拥有鲁棒性。

到了Ace，系统已经可以把model-free RL放到核心控制位置，同时继续使用仿真、状态估计和hard-constrained optimization。路线没有收敛成「把模型删掉」，而是越来越像一场持续的职责重分配。

如果一定要从里面提炼一条历史，它与其说是Physics→Learning，不如说是：从「工程师尽可能描述整个世界」，走向「工程师只保留那些值得保留的结构，其他部分让机器从经验中学」。

这里最核心的问题其实是数据效率。

假设人类完全不知道重力规律，那么当然可以让模型看足够多轨迹，自己发现球总会往下掉。但我们已经知道重力近似怎样作用。在simulator里写一个gravity vector几乎没有成本，而让一个网络通过大量试错重新发现同样的规律需要数据和算力。对于这种稳定、通用、表达成本极低的结构，把它直接告诉机器显然更划算。

反过来，怎样让一具29自由度人形机器人做出自然、稳定、速度足够快的网球正手，如果完全用工程师手工设计，成本可能极高。腿、髋、腰、肩和手臂之间存在大量耦合，一个任务还有许多不同可行动作；这种问题恰好是RL擅长的地方。Simulator可以让机器人摔倒几千万次，搜索工程师很难逐条设计的动作空间，再把经验压缩成policy。

还有一些问题正好处在两者之间。我们知道球和球拍碰撞的大体规律，却可能写不准材料的复杂非线性；知道电机有nominal dynamics，却处理不好温度、磨损和负载变化；知道刚体约束，却难以准确描述软接触。这里最有价值的架构往往既不是纯方程，也不是完全从零学习，而是physics提供backbone，learning负责residual、correction或uncertainty。

从这个角度看，Physical AI的很多路线之争最后都可能变成一个经济学问题：对于某一部分能力，方程、数据和算力，哪一种是最便宜的表达方式？

重力用方程最便宜。球的复杂接触也许需要模型加真实数据。人类运动风格可以从视频和motion data获得。人形全身控制适合让RL在simulation里练。机器人到了新环境以后，如果逐个参数精确标定太贵，就用domain randomization让策略提前见过更多可能世界。

而这个答案还会随着技术变化。今天一个必须手写的模块，未来可能随着数据规模扩大而变得值得学习；今天一个必须靠大模型隐式掌握的能力，未来如果安全性和确定性要求提高，也可能重新被一个显式约束包住。

这也是为什么打球系统比很多「机器人做了一个新动作」的demo更适合拿来观察路线变化。球飞得太快，模型和现实之间的误差会被立即放大，机器人没有几秒钟可以慢慢反馈修正；动作又同时牵涉感知、预测、控制、身体动力学和接触。一个系统究竟相信模型到什么程度、相信learning到什么程度，很难藏在演示后面。

银河通用在「冰丝带」上的网球表演看起来是一个非常典型的2026年AI画面：人形机器人自己移动、自己判断、自己挥拍，与真正的人类选手进行连续对拉。可如果沿着这套能力一直往下拆，会发现它并不是一个神经网络把机器人学里的旧东西全部清空以后得到的结果。Human motion data提供运动先验，RL负责在巨大动作空间里搜索，simulation提供试错，dynamics randomization处理现实的不确定性，而球质量、摩擦、恢复系数、空气阻力这些已经被人类理解的物理结构仍然待在系统里。

真正变化的不是「机器终于不需要物理」。而是我们终于有了更多选择，可以重新决定物理应该出现在哪里。

四十年前，机器人打乒乓球时，工程师能做的主要是尽可能把世界写成方程。今天，神经网络已经可以接管其中很多过去写不出来、算不动或者成本太高的部分。但越接近真实世界的高速交互，一个更实际的问题反而越来越突出：如果我们已经知道某些规律，为什么还要花数据让机器再发现一次；如果某些规律根本写不准确，又为什么一定要求工程师继续把它写完？

Physical AI真正可能收敛的，不是一套纯model-based或纯model-free的教条，而是一种新的分工原则：稳定、便宜、可以明确表达的物理结构继续留下，高维、复杂、难以枚举的行为交给学习，模型与现实之间剩下的误差则用数据、随机化和residual去补。

所以从MIT到DeepMind，从HITTER到LATENT，再到Ace，打球机器人真正呈现出来的并不是一场「新技术消灭旧技术」的历史。它更像是在不断回答同一个问题：什么东西，已经知道了，就不值得让机器人重新学一遍。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8vp1uy378Q1