据雷峰网报道，9月27日在美国匹兹堡举行的IROS 2026“Perception and Decision Making for Athletic Humanoid Robotics”Workshop上，中国动易科技（PHYBOT）刘晨澔介绍，团队让一台1.35米高的人形机器人与人类连续对拉40余拍，并能在仿真中通过自我博弈学习击球选择与落点。演讲题目为《人形羽毛球：把运动机器人从实验室带进球场》。
刘晨澔说，羽毛球飞行中承受极强空气阻力，速度迅速且非线性衰减，轨迹预测困难，频繁加速减速对下肢敏捷与挥拍时机要求高。与足球、篮球的一次性触球不同，球拍类运动要求机器人反复可靠击球，关节微小误差会在球拍处放大，加上高球速，形成狭窄击球窗口。选择羽毛球还因中国有庞大爱好者群体，该课题有望把机器人带入现实人类环境。
据雷峰网报道，2025年11月，刘晨澔作为第一作者发表论文，用三阶段课程训练统一全身控制器，不依赖动作先验和专家演示，真机出球速度最高达每秒19.1米。此后团队引入人类参考动作和多个判别器学习上旋、下旋正反手等风格，并训练学习型技能选择器为来球挑选最优技能；高层用GRU策略决定击球技巧和落点，借鉴联赛式零和多智能体强化学习在模拟中制造更强对手；同一框架约一周迁移到乒乓球和足球，还带到商场快闪场馆与真人互动。
团队目前使用三个判别器，分别对应上手、下手正手和下手反手。为实现精准回球，他们在策略观测中加入目标区域独热编码，并训练技能选择器，即已学习的状态—动作价值函数，对每个来球轨迹评估所有可用技能的任务效用，任务效用定义为击中奖励与回球落点奖励的乘积，系统执行任务效用最高的技能。模拟对比显示，没有技能选择器会导致回合过早结束，配备后则能继续对峙。刘晨澔称，机器人单回合可连续对拉40拍以上，机器人只有1.35米高，但能覆盖4.4×4.4米场地。他称无法把机器人运到美国，现场不能演示。
下一步是让机器人具备竞争力，能做出战略决策、适应不同对手并最终获胜。团队将该高层级问题表述为零和多智能体强化学习问题。主智能体持续针对历史对手训练，优先采样虚拟自博弈把重点放在当前策略难以战胜的对手上。高层策略观察机器人、击球、对手状态及之前决策，用GRU输出击球技巧和回球落点，再交给固定低层全身控制器执行。为避免有限对手造成的循环支配，团队采用联盟训练：主智能体提升整体表现，主力陪练寻找主智能体弱点，联盟陪练引入更多样化策略。刘晨澔说，结果仍限于模拟，下一步在真机验证。
回顾领域工作，刘晨澔看到分层与人类先验两个趋势，例如AdaPT让规划器生成风格化动作、跟踪器负责执行，HITTER、LATENT也采用高层决策低层执行。他认为多数工作解决接球问题，关于打赢对手的策略层公开成果还不多。实际部署还要求导航、捡球、跌倒恢复和长期稳定运行。