Robô de tênis de mesa derrota alguns dos melhores jogadores do mundo – por que isso tem implicações importantes para a robótica

Ace gira sua raquete enquanto se prepara para devolver a bola ao seu oponente humano, Yamato Kawamata, durante uma partida em dezembro de 2025. Crédito: Sony AI.

Por Kartikeya Walia, Universidade Nottingham Trent

Um robô de tênis de mesa superou jogadores de elite em avaliações recentes. O robô, chamado Ace, marca um passo significativo em direção a sistemas de inteligência synthetic (IA) que podem operar em ambientes rápidos e incertos do mundo actual.

Nos testes, o robô autônomo venceu três em cinco jogos contra jogadores de elite – atletas competitivos com mais de dez anos de experiência e média de 20 horas semanais de treinamento. O robôdesenvolvido pela Sony AI, perdeu ambas as partidas contra jogadores de ligas profissionais japonesas, mas venceu uma delas. O sistema é descrito em detalhes em um artigo recente publicado na Natureza.

A IA passou décadas dominando jogos. Superou repetidamente os melhores humanos em tudo, desde videogames complexos como StarCraft II ao xadrez – onde os programas modernos agora excedem em muito as classificações humanas.

Sistemas de referência como Azul Profundo e AlfaGo confirmaram que, com regras claras e dados suficientes, a IA pode alcançar um desempenho sobre-humano. Mas todas estas vitórias partilhavam uma característica elementary: aconteceram em ambientes digitais controlados.

À primeira vista, o tênis de mesa pode parecer uma referência incomum para a inteligência synthetic. Na realidade, é um dos mais exigentes que se possa imaginar. A bola pode viajar mais rápido que 20 metros por segundo, dando aos jogadores menos de meio segundo para reagir.

Além disso, o spin introduz uma enorme complexidade. Uma bola girando em velocidades extremas pode curvar-se no ar e ricochetear de forma imprevisível na mesa. Para os humanos, interpretar o spin é amplamente intuitivo. Para os robôs, tem sido um obstáculo de longa knowledge.

Este robô pode vencer você no tênis de mesa (Natureza).

Sistemas robóticos anteriores de tênis de mesa, como Forpheus, desenvolvido pela empresa japonesa Omronresolveu isso simplificando o jogo – usando lançadores de bola controlados, limitando o movimento ou ignorando completamente o giro. As iterações mais recentes têm como objetivo a interação, mas ainda operam sob condições restritas.

Ace não faz nada disso. Joga com equipamento padrão, em mesa regulamentar,
contra oponentes humanos que são livres para usar toda a gama de tiros.

Como funciona o Ace

O desempenho da Ace depende de três inovações principais: como ela vê o mundo, como ela
resolve o que fazer e como executa essas ações. Primeiro, vamos ver como Ace vê o mundo. As câmeras tradicionais lutam com movimentos rápidos, muitas vezes produzindo desfoque ou faltando detalhes críticos.

Em vez disso, Ace usa três Sensores de visão “baseados em eventos”que detectam mudanças na luz em vez de capturar imagens completas em intervalos fixos. Estes são complementados por nove câmeras de alta velocidade que rastreiam o ambiente, incluindo o adversário e sua raquete.

Juntos, esses sistemas permitem o controle do olhar em alta velocidade (a tecnologia que permite que um robô direcione seus sensores para focar em coisas específicas) e permite que o robô siga a bola com excepcional precisão em tempo actual.

Ao rastrear as marcações na bola, onde os jogadores profissionais podem gerar um giro próximo de 9.000 rotações por minuto (rpm), o sistema pode estimar o giro em tempo actual, algo que há muito desafia os sistemas robóticos.

Como funciona o sistema de controle de olhar de Ace (Sony AI e Nature).

A segunda inovação importante é como Ace resolve o que fazer. Saber para onde a bola está indo é apenas metade do problema; o robô também deve responder instantaneamente. Ace usa aprendizado por reforço profundo, treinado em simulação em milhões de comícios virtuais, incluindo autojogo.

Ele gera continuamente comandos de movimento para seu braço robótico multiarticulado, recalculando trajetórias a cada poucas dezenas de milissegundos, evitando colisões com a mesa ou consigo mesmo.

A terceira inovação é a forma como a Ace realiza suas ações. Para corresponder à velocidade dos jogadores humanos de elite, o robô é construído em torno de um braço de alto desempenho que combina duas juntas prismáticas (deslizantes) e seis giratórias (rotativas). Isso permite movimentos laterais rápidos e golpes precisos. Possui raquete de tênis de mesa e mecanismo para manejo da bola, permitindo saques com um braço só.

Crucialmente, o sistema foi projetado para interação em alta velocidade: estruturas leves e atuação otimizada (os mecanismos de um robô que convertem energia em força mecânica) permitem que Ace retorne bolas a velocidades próximas a 20 metros por segundo. Isto permite ralis competitivos e sustentados com jogadores humanos qualificados.

Ace faz uma mudança de seção dividida quando a bola atinge a rede (Sony AI e Nature).

O que torna isto particularmente notável é a transição da simulação para a realidade. Muitos sistemas de IA funcionam bem em ambientes virtuais, mas falham quando expostos ao ruído e à incerteza do mundo actual. Ace demonstra que essa lacuna entre “sim e actual” pode ser significativamente reduzida.

Um momento durante um rally com um jogador de elite ilustra a maneira como Ace superou essa lacuna. Quando a trajetória prevista da bola mudou repentinamente após cortar a rede, Ace reagiu quase instantaneamente, devolvendo o chute e ganhando o ponto. O que torna o Ace particularmente significativo não é, portanto, apenas o seu desempenho, mas a sua capacidade de operar de forma confiável sob a incerteza do mundo actual.

Por que isso é importante além do esporte

Um robô devolvendo tacadas topspin em alta velocidade pode ser divertido, mas as implicações vão muito além do tênis de mesa. Na indústria, por exemplo, os robôs estão normalmente confinados a tarefas altamente estruturadas.

O verdadeiro desafio é a adaptabilidade, lidar com objetos irregulares, responder à variação. Isto é particularmente relevante para robôs de próxima geração que operam em ambientes não estruturados.

Para funcionar eficazmente em residências, hospitais ou estaleiros de construção, os robôs devem ser capazes de prever, adaptar-se e responder a condições em constante mudança. Os mesmos recursos preditivos e de controle que permitem que o Ace responda a disparos imprevisíveis poderiam permitir uma automação mais flexível e responsiva.

A maioria dos robôs industriais são mantidos atrás de barreiras de segurança porque não conseguem responder a comportamentos humanos inesperados. Zhu Difeng

Existem também implicações para a interação humano-robô. A maioria dos robôs industriais são mantidos atrás de barreiras de segurança porque não conseguem reagir de forma rápida ou confiável o suficiente ao comportamento humano inesperado. Ace opera no limite do tempo de reação humana, sugerindo um futuro onde os robôs poderão colaborar com segurança com pessoas em espaços compartilhados.

De forma mais ampla, este trabalho representa uma mudança no que se espera que a IA faça. A próxima fronteira não é apenas a inteligência na resolução abstrata de problemas, mas a inteligência incorporada no mundo físico. A lacuna entre as simulações e a realidade precisa ser preenchida e este é um grande passo em frente.

O que os humanos ainda fazem melhor

Os jogadores profissionais ainda eram capazes de explorar as limitações de Ace – particularmente em alcance, velocidade e capacidade de lidar com arremessos extremos ou altamente enganosos. Isto destaca que a inteligência não se trata apenas de previsão e controle, mas também de incorporação física. Os humanos combinam percepção, movimento e estratégia de maneiras que permanecem difíceis de replicar.

Curiosamente, sistemas como o Ace podem acabar melhorando o desempenho humano em vez de
do que substituí-lo. Como observou um ex-jogador olímpico após enfrentar o robô,
vê-lo retornar tiros aparentemente impossíveis sugere que os humanos podem ser capazes de mais do que se pensava anteriormente.

Kartikeya WaliaProfessor Sênior, Departamento de Engenharia, Universidade Nottingham Trent

Este artigo foi republicado de A conversa sob uma licença Artistic Commons. Leia o artigo unique.