Sony AI 桌球機器人「Ace」擊敗頂尖選手——為何這對機器人產業影響深遠

Sony AI 桌球機器人「Ace」擊敗頂尖選手

一台桌球機器人在最新評估中成功擊敗菁英級選手，為人工智慧（AI）系統在快速、不確定的真實世界環境中運作邁出重要一步。

這款名為「Ace」的自主機器人，由 Sony AI 開發，在測試中以五戰三勝的成績擊敗菁英選手——這些選手擁有超過十年的競技經驗，平均每週訓練時間達 20 小時。面對日本職業聯賽選手時，Ace 雖然兩場比賽皆落敗，但仍在其中一場成功贏得一局。該系統的詳細技術已發表在最新一期的《Nature》期刊上。

為什麼是桌球？

AI 花了數十年精通各種遊戲，從複雜的電子遊戲《StarCraft II》到西洋棋，現代程式的水準早已遠超人類。Deep Blue 和 AlphaGo 等里程碑系統已證明，只要有明確規則和足夠數據，AI 就能達到超越人類的表現。但這些勝利都有一個共同特點：它們都發生在受控的數位環境中。

乍看之下，桌球似乎是一個不尋常的 AI 基準測試項目。但實際上，它是最具挑戰性的測試之一。桌球球速可超過每秒 20 公尺，選手的反應時間不到半秒。更重要的是，旋轉帶來巨大的複雜性——高速旋轉的球會在空中彎曲，並在桌面產生不可預測的反彈。對人類而言，判讀旋球大多依靠直覺；對機器人來說，這一直是長期的技術障礙。

早期的桌球機器人系統，例如日本歐姆龍（Omron）公司開發的 Forpheus，採用簡化比賽方式來應對——使用受控發球機、限制移動範圍，或完全忽略旋轉。而 Ace 完全不走這條路：它使用標準設備、在正規球桌上比賽，對手可以自由使用所有類型的擊球方式。

Ace 的三大核心技術

感知系統： 傳統攝影機在處理快速運動時容易產生模糊或遺漏關鍵細節。Ace 使用三個「事件驅動式」視覺感測器，偵測光線變化而非以固定間隔擷取完整影像，搭配九台高速攝影機追蹤環境——包括對手及其球拍動作。這套系統實現了高速注視控制（gaze control），使機器人能以卓越的即時精準度追蹤球體。透過追蹤球上的標記，系統能即時估算旋轉——職業選手的旋球轉速可接近每分鐘 9,000 轉（rpm）。

決策系統： 知道球的去向只是問題的一半，機器人還必須立即做出反應。Ace 採用深度強化學習，在模擬環境中經過數百萬次虛擬對打訓練（包括自我對打），持續為其多關節機械臂生成運動指令，每隔數十毫秒重新計算軌跡，同時避免與球桌或自身碰撞。

執行系統： 為了配合人類菁英選手的速度，Ace 的核心是一具高性能機械臂，結合兩個移動式（滑動）關節和六個旋轉式關節，能實現快速的橫向移動和精準擊球。輕量化結構和優化的驅動機構使 Ace 能以接近每秒 20 公尺的速度回擊，與高水準人類選手進行持續性的競技對打。

跨越模擬與現實的鴻溝

這項技術特別值得注意的是模擬到現實（sim-to-real）的成功轉換。許多 AI 系統在虛擬環境中表現優異，但在面對真實世界的雜訊和不確定性時卻會失敗。

一個比賽中的精彩瞬間完美說明了 Ace 如何跨越這道鴻溝：當一記球擦到球網導致預測軌跡突然改變時，Ace 幾乎在瞬間做出反應，成功回擊並得分。這突顯了 Ace 的重要性不僅在於其表現，更在於它能在真實世界的不確定性下穩定運作。

超越運動的深遠影響

機器人回擊高速上旋球或許只是娛樂，但其影響遠超桌球領域：

• 製造業： 工業機器人通常被限制在高度結構化的任務中，真正的挑戰在於適應性——處理不規則物體、應對變化。Ace 展現的預測和控制能力，可望實現更靈活、更具回應性的自動化。

• 人機協作： 大多數工業機器人被隔離在安全護欄後方，因為它們無法足夠快速或可靠地應對人類的突發行為。Ace 在接近人類反應時間的極限下運作，預示著機器人能在共享空間中安全地與人類協作的未來。

• 次世代機器人： 要在家庭、醫院或工地等非結構化環境中有效運作，機器人必須能預測、適應並回應不斷變化的條件。

人類仍然更勝一籌之處

職業選手仍能利用 Ace 的局限性——特別是在觸及範圍、速度以及處理極端或高度欺騙性擊球方面。這突顯了智慧不僅僅關乎預測和控制，更關乎身體的整合。人類以難以複製的方式結合感知、運動和策略。

有趣的是，像 Ace 這樣的系統最終可能提升而非取代人類表現。一位前奧運選手在與機器人對打後觀察到，看到 Ace 回擊看似不可能的球，反而暗示人類或許比先前認為的更有潛力。

本文作者為諾丁漢特倫特大學工程學系高級講師 Kartikeya Walia，原文刊載於 The Conversation。

---

原文來源： 查看原文