Робот Sony AI Ace, играющий в настольный теннис, одержал победы над семью профессиональными игроками, включая бывшую пятую ракетку мира. Это первый случай, когда автономная система выиграла у профессионалов в соревновательном виде спорта по официальным правилам.
Почему настольный теннис — сложный тест для ИИ
Робот, играющий в настольный теннис, может показаться забавной игрушкой. В конце концов, промышленные роботы уже давно собирают машины, сортируют посылки и сваривают металл с ювелирной точностью.
Но для исследователей на стыке робототехники и искусственного интеллекта настольный теннис — один из самых сложных реальных тестов, который только можно придумать. Чтобы успешно играть, нужно видеть быстро летящий мяч, предсказывать его траекторию, мгновенно решать, как ответить, занять правильную позицию и выполнить точное движение. И всё это за доли секунды.
Задача объединяет зрение, планирование движений, управление, прогнозирование и принятие решений в постоянно меняющейся среде. Именно поэтому Sony AI несколько лет разрабатывала Ace — автономного робота для настольного тенниса, который стал полигоном для прорывов в области физического ИИ.
Результаты Ace: победы над профессионалами
Недавно компания объявила, что Ace превзошёл результаты, описанные в статье, опубликованной в Nature в начале этого года. С февраля по апрель 2026 года система одержала победы над семью профессиональными игроками в настольный теннис по официальным правилам соревнований.
Среди поверженных соперников — бывшая пятая ракетка мира Миу Хирано и Мию Кихара, которая сейчас занимает 26-е место в мировом рейтинге. Sony не утверждает, что робот превзошёл лучших игроков-людей. Но эти результаты — первая демонстрация того, как автономная роботизированная система побеждает профессиональных соперников в соревновательном виде спорта по официальным правилам.
Как Ace добился успеха: ключевые улучшения
Пожалуй, важнее самих побед то, как именно Ace их добился. По словам Sony AI, большинство улучшений произошло не за счёт перепроектирования машины, а благодаря переобучению и масштабированию её ИИ-моделей.
Исследователи предприняли несколько шагов:
- Увеличили размер нейросетей, управляющих роботом
- Доработали алгоритмы обучения с подкреплением
- Улучшили среду симуляции
- Ввели новые цели обучения, которые поощряют предвосхищение, а не просто реакцию
Проект также подчёркивает растущий тренд в робототехнике: сочетание физической симуляции и машинного обучения. Ace учился на огромном количестве симулированных игр, а затем перенёс эти навыки в реальный мир, где дополнительный опыт против сильных соперников помог ещё больше отточить мастерство.
Аппаратные доработки
Аппаратные улучшения тоже сыграли свою роль. Инженеры уменьшили вес с помощью топологической оптимизации, обновили двигатели для увеличения ускорения и снизили задержку восприятия с примерно 10 миллисекунд до 8,5 миллисекунд. Это дало роботу дополнительное время на реакцию при быстрых ударах.
Значение проекта для физического ИИ
Но значение этой работы выходит далеко за пределы спорта. Многие из тех же способностей, которые нужны, чтобы отбить кручёный мяч, потребуются и будущим роботам на заводах, складах и в других динамичных средах.
Роботы должны интерпретировать сложную сенсорную информацию, прогнозировать результаты и адаптировать своё поведение в реальном времени, когда условия меняются. В этом смысле настольный теннис служит эталоном для более масштабной цели: создания роботизированных систем, способных разумно реагировать на непредсказуемость физического мира.
Сможет ли Ace когда-нибудь достичь уровня лучших профессионалов мира — возможно, не так важно, как технологии, разработанные на этом пути. Проект показывает, как достижения в симуляции, обучении с подкреплением, восприятии и управлении могут объединиться, чтобы создавать всё более capable системы физического ИИ. Для индустрии робототехники это, пожалуй, самый ценный урок из всех.
Смотрите также в каталоге ROBOWIN
Под заказ 25–55 дней, со склада по России 1–3 дня. Частному лицу карта и чек, компании счёт.