索尼人工智能团队开发的机器人Ace利用事件相机与深度强化学习技术，在正式比赛中击败了多位精英乒乓球运动员。这是物理人工智能系统在高速、高精度实时交互领域取得的重大突破。
虽然人工智能已经在国际象棋、围棋以及多款电子游戏中击败了人类顶尖高手，但在现实世界的物理运动中，AI依然面临着巨大的挑战。乒乓球就是一个极佳的竞技场。在一场高水平的比赛中，球的速度可以超过20m/s，每次击球之间的时间往往不足0.5s，更不用说每秒高达1000弧度的强力旋转对球轨迹的剧烈影响。近日，一项由索尼人工智能领导的研究展示了名为Ace的自动机器人系统，它在遵循国际乒乓球联合会规则的正式比赛中，成功击败了多名人类精英选手。
Ace系统的核心在于其超越人类极限的感知与控制能力。为了在高速对决中看清球路，研究人员为它配备了一套精密的视觉系统。整套系统由9台高速摄像头组成，用于精确捕捉球在三维空间中的位置，定位误差控制在3.0mm以内。更具突破性的是，为了解决乒乓球运动中最难处理的“旋转”问题，团队引入了三套基于事件的视觉跟踪系统。这种传感器不像传统相机那样逐帧拍摄画面，而是只记录像素亮度的变化，从而实现了极低的延迟和极高的动态范围。通过这种感知方案，Ace能够实时估算球的角速度，平均误差仅为24.8rad/s。
在控制层面，Ace并没有使用传统的预设程序，而是采用了深度强化学习技术。所有的训练都在高度仿真的模拟环境中完成。为了让AI能从虚拟世界顺利过渡到现实赛场，研究人员采用了一种非对称的“行动者,评论家”架构。在训练时，负责评价表现的“评论家”可以感知球的所有真实状态信息，而负责操作的“行动者”则只能接触到带有噪声的传感器数据。这种训练方式让AI学会了在现实世界不完美的感知条件下做出最优决策。此外，Ace拥有一套庞大的“技能库”，涵盖了上旋球、下旋球等多种击球技巧，它能根据对手的来球情况，在32ms内快速切换并生成最佳的击球轨迹。
硬件基础同样决定了Ace的上限。这个机器人拥有8个自由度，包括2个移动轴和6个旋转轴，这保证了它能覆盖3.6mx3.6m的专业竞技区域。为了减轻机械臂的质量并保持刚性，团队利用拓扑优化设计了零件几何形状，并使用了名为Scalmalloy的高强度合金进行增材制造。这使得Ace的末端执行器可以模拟专业选手的强力抽球动作，并能承受高速运动带来的巨大惯性。
2025年4月，研究团队安排Ace与5名精英选手和2名职业选手进行了正式对决。参赛的人类选手中，精英选手均有10年以上的训练经验。比赛结果令人惊叹：Ace在与精英选手的5场对决中赢下了3场，总胜率为60%。虽然在面对Minami Ando和Kakeru Sone等顶尖职业选手时，Ace最终输掉了比赛，但它依然在激烈的交锋中赢下了一局。数据分析显示，人类选手主要依靠高速上旋球得分，而Ace则展现出了极强的稳定性，它能持续接回速度高达14m/s、旋转频率高达450rad/s的来球，且其回球的稳定性甚至超过了部分人类选手。
Ace还展示了一些令人惊讶的灵活性。在面对擦网球等极难预测的突发状况时，低延迟的感知和控制系统让它能在0.05s内迅速做出反应并成功回击。此外，Ace还掌握了15种不同类型的发球技术。在与精英选手的比赛中，它直接通过发球就拿到了16分，而人类选手通过发球从它身上拿到的分数仅为8分。
这一研究的成功证明了物理AI智能体在处理复杂的实时交互任务方面具有巨大的潜力。虽然目前Ace在高端战术和针对性策略上仍有提升空间，但它已经展示了AI如何改变人类与物理世界的互动方式。正如参加过1992年奥运会的乒乓球专家Kinjiro Nakamura所言，看到Ace的击球表现，人类会意识到那些看似不可能的接球动作其实是存在可能的。未来，这种融合了高速视觉、强化学习和轻量化硬件的技术架构，有望被应用到自动化制造、服务机器人以及更多需要人机精密协作的领域中。
