登Nature封面！索尼乒乓球機器人Ace首次擊敗人類精英選手

五名精英乒乓選手走進一個標準奧運尺寸的賽場。球臺是ITTF認證的SAN-EI，球是Nittaku 40+三星球，裁判是日本乒協持證上崗的。一切按國際乒聯規則來，沒有縮水。

他們的對手不是人，是一個叫Ace的機器人。結果，五場三局兩勝，Ace贏了三場。

要知道，這是人類歷史上，自主機器人首次在正式比賽規則下，實打實地從人類運動員手中搶下勝場。Ace并非實驗室里的發球模板，面對時速超過20米、每秒轉動上百圈的極限旋轉球，它不僅接住了，還回擊得極為刁鉆。

同時，這項成果剛剛以封面文章的形式登國際頂刊《Nature》。它用數據向世界證明，物理AI在復雜、高速的實時交互任務中，已經擁有了足以媲美人類精英的無限潛力。

01.

為什么“打乒乓球”件事這么難？

職業乒乓球的球速能飆到20米/秒以上，兩拍之間往往不到0.5秒。更狠的是旋轉，角速度可達1000弧度/秒，一個上旋或下旋能讓球的軌跡完全違背直覺。球臺上的彈跳還會受旋轉影響，下旋球可能“飄”，上旋球可能“扎”。

自1983年以來，人類做了四十多年乒乓球機器人。但之前的方案要么用發球機喂球，要么縮小場地覆蓋范圍，要么干脆忽略旋轉，要么禁止某些擊球方式。說白了，它們打的不是真正的乒乓球。

所以索尼AI團隊面對的問題是：不是讓機器人碰到球，而是讓它在完整的、對抗的、帶旋轉的真比賽里，跟人類高手過招。

Ace的核心突破，就是贏在穩定性和對旋轉的處理能力。

02.

Ace是如何練成的？

如何做到這一點？索尼AI團隊為ACE搭載了一套精密的“感知-決策-執行”鏈條。Ace的整套系統以1毫秒周期同步運行，與視覺系統共享時鐘信號，即使在最大速度下，位置跟蹤延遲仍低于5毫秒。

Ace集成了感知、控制和機器人硬件，用于打乒乓球

• 感知：看懂位置，更看懂旋轉

乒乓球場上，人類選手靠眼睛追球、靠經驗猜旋轉、靠肌肉記憶調整動作。Ace走的完全是另一條路，靠直接測量。

它看位置靠的是9臺APS傳統相機，分布在球臺外圍，以200赫茲的頻率捕捉球的3D位置，平均誤差只有3毫米，延遲10.2毫秒。

真正的核心突破，是“看懂旋轉”。

Ace配備了三套凝視控制系統，每套都搭載了事件驅動視覺傳感器，這種相機不按幀曝光，而是對光線變化做像素級異步響應，高速旋轉物體在傳統相機里糊成一片，在它眼里卻是清晰的運動軌跡。

每套系統還配了一對可旋轉的跟蹤鏡和一個遠攝可調鏡頭，鏡頭會主動跟隨球的移動，始終對準球體表面印著的商標。

系統用卷積神經網絡和對比度最大化算法分別估算角速度，再根據不確定性動態融合，最終以400到700赫茲的頻率把旋轉數據傳給決策層。平均測量誤差24.8弧度每秒。

• 決策：仿真中自學，比賽中調用

有了位置和旋轉數據，下一步是決策。

Ace采用Soft Actor-Critic（SAC）算法，在仿真環境中通過試錯自學回球策略。訓練中，評估模塊能看到真實的球狀態，而決策模塊只能依賴帶噪聲的傳感器歷史數據。這種“不對稱”設計確保策略能從仿真順利遷移到真實世界。

比賽時，策略每32毫秒查詢一次，根據球和機器人的當前狀態輸出一個抽象動作，然后映射為未來32毫秒的關節軌跡。與此同時，系統會預先計算一條返回安全位置的“重置軌跡”，一旦預測到碰撞就立刻執行，保證高速運動中的安全。

為了應對不同類型的來球，團隊訓練了多個策略，分別掌握高上旋、下旋等技能，每個技能設定期望的落點和旋轉權重。比賽時，系統根據來球特征從技能庫里實時選取最合適的策略。這套思路上很像一個全能運動員，拿到什么球就調出什么技能包。

發球則單獨處理。拋球動作來自人類示范，擊球動作通過遺傳算法優化。每種發球要經過真人陪練測試，20次嘗試中失敗率低于5%才能入庫。最終，Ace的發球庫里存了15種發球。

• 執行：為速度與精度定制

執行層面，機械臂有8個自由度（2個直線關節+6個旋轉關節），末端最高速度設定為20米/秒，工作空間覆蓋3.6米×3.6米。

此外，其連桿經過拓撲優化設計減重，使用Scalmalloy高強度鋁合金3D打印。末端執行器是一塊改裝球拍——Butterfly Dignics 05膠皮搭配VICTAS ZX-GEAR OUT底板，外加一個用來發球的小杯。

有了這套能“看懂旋轉、實時決策”的系統，Ace走上了賽場。

03.

贏下精英選手，從職業選手手中拿分

2025年4月，Ace先對陣5位精英選手（三女兩男，十年以上競技經驗，每周訓練約20小時），三局兩勝制，3勝2負，13局拿下7局。

隨后對陣兩位日本T聯賽現役職業選手安藤南和曾根薰，五局三勝制，0勝2負，但7局中拼下1局。

數據揭示了Ace的贏法。它不靠更快的擊球。Ace的制勝球和普通回球在速度和旋轉分布上幾乎一致，穩定回球等對手失誤。而人類選手的制勝球明顯高于普通回球，靠突然加力得分。

面對旋轉高達450弧度/秒的來球，Ace回球率始終超過75%，遠超此前報道的競技乒乓球機器人水平。

它自己打出最高速度16.4米/秒、最高旋轉600弧度/秒，也能回擊對手最高19.6米/秒、867弧度/秒的來球。平均回合長度5.0拍，比人類職業比賽典型值3.9拍更長。發球方面，15種不同發球直接拿下16分，精英選手僅8分。

最驚艷的一幕是擦網球。球在0毫秒觸網，Ace僅用49毫秒調整軌跡并成功回球。

團隊做了反事實模擬：如果球沒擦網，Ace的動作路徑會截然不同。說明它真的是在實時決策，而非執行固定套路。

04.

從球桌走向更多場景

當然，Ace還遠非完美。

目前它仍無法穩定擊敗頂級職業選手。《Nature》同期評論文章指出，Ace從多個視角同時觀察場地的方式與人類存在本質差異，離“擬人化”還有距離。

研究團隊自己也很清醒：真正的挑戰在于如何建模人類對手的行為。在高維物理空間中精確模擬人類動作極其困難，這意味著真正的目標函數（贏或輸）無法被直接用于訓練，只能使用替代目標。未來如果能引入對手建模和在線學習，Ace有望在實戰中持續進化。

即便如此，這項突破的意義已經超出了乒乓球本身。它為制造、服務、搜救等需要高速、精準人機協作的領域，提供了一個可驗證的技術路徑。機器人執行實時復雜任務的能力，正在被一步步驗證。

正如1992年奧運會選手、乒乓球專家中村金次郎在看完Ace一記擊球后的感嘆：“其他人根本做不到。我以前認為這是不可能的。但既然它能做到……那就意味著人類也有可能。”