Achieving Human Level Competitive Robot Table Tennis

实现人类级别的速度和性能是机器人研究社区的目标。本研究迈出了实现这一目标的一步，提出了第一个在竞技乒乓球中达到业余人类水平的机器人智能体。乒乓球是一项需要人类运动员经过多年训练才能达到高水平的体育运动。本文贡献了以下三个方面：(1) 一个分层和模块化的策略架构，包括(i) 低级控制器及其详细的技能描述符，这些描述符模拟了机器人的能力，并有助于弥合模拟和现实之间的差距，以及(ii) 一个高级控制器，选择低级技能；(2) 实现零样本从模拟到现实的技术，包括基于真实世界的迭代方法来定义任务分布，定义自动课程表；(3) 实时适应未知对手。通过29场机器人对人类的比赛来评估策略性能，机器人赢了45%（13/29）的比赛。所有人类选手都是未知的，他们的技能水平从初学者到锦标赛水平不等。虽然机器人输给了最高级别的选手，但它在与初学者和中级选手的比赛中赢得了100%和55%的比赛，表现出了坚实的业余人类水平。比赛视频可以在 https://sites.google.com/view/competitive-robot-table-tennis 观看。

实现人类水平的乒乓球技能是机器人研究领域的一个目标。本论文尝试通过学习实现机器人在乒乓球比赛中达到业余人类水平的表现。

本论文提出了一种分层模块化的策略架构，包括低级控制器和高级控制器，用于选择低级技能。同时，使用基于真实世界的迭代方法定义任务分布，并实现了零-shot sim-to-real。

在29场机器人对人类的比赛中，机器人赢得了45%的比赛，赢得了所有初学者的比赛和55%的中级选手的比赛。本论文的实验设计包括了视频展示和开源代码。

近期的相关研究包括：《RoboCup@Home 2020: Results, Challenges, and Future Directions》、《A Survey on Robot Learning from Demonstration》等。