基于脉冲视觉的高速-慢速乒乓机器人系统
机器人学
2026-02-25 v2 计算机视觉与模式识别
摘要
控制动态环境中高速物体的学习代表了机器人学中的一个根本性挑战。乒乓球作为测试机器人在动态环境中能力提升的理想载体。该任务提出两个根本性挑战：需要具备高精度视觉系统，能够在复杂动力学下准确预测球的轨迹；以及需要智能的控制策略以确保球精确击中目标区域。高速物体操控通常需要先进的视觉感知硬件，能够以卓越的时间分辨率捕捉快速运动。从 Kahneman 的双系统理论出发，快速直觉处理与慢速的深入推理相辅相成，为开发能够处理高速动态同时保持准确性的更稳健的感知架构提供了机会。为此，我们提出了一种新型系统——\textit{\textbf{SpikePingpong}}，将基于脉冲的视觉与模仿学习集成于高精度机器人乒乓球之中。我们发展了Fast-Slow系统架构，其中System 1提供毫秒级的快速球检测和初步轨迹预测，而System 2采用基于脉冲的神经校准进行精确的可击中位置修正。对于战术性的球击，我们引入了基于模仿的运动规划与控制技术，通过演示学习来学习最优的机器人机械臂击球策略。实验结果表明，\textit{\textbf{SpikePingpong}}在30厘米精度区域成功率达到惊人的92%，在更具挑战性的20厘米精准定位中成功率为70%。本工作表明，Fast-Slow架构对于发展处理时间关键操控任务的机器人能力具有潜在价值。
引用
@article{arxiv.2506.06690,
title = {SpikePingpong: Spike Vision-based Fast-Slow Pingpong Robot System},
author = {Hao Wang and Chengkai Hou and Xianglong Li and Yankai Fu and Chenxuan Li and Ning Chen and Gaole Dai and Jiaming Liu and Tiejun Huang and Shanghang Zhang},
journal= {arXiv preprint arXiv:2506.06690},
year = {2026}
}