機器人打乒乓球贏了人類球手，專家：殺雞用牛刀

1983 年，英國學者、現澳大利亞南昆士蘭大學名譽教授約翰·比林斯利（John Billingsley）發表了一篇名為“Robot Ping-Pong”的論文，并由此發起了世界上第一場機器人乒乓球比賽。

但在職業比賽里，乒乓球的速度超過 20 米/秒，兩次擊球之間的時間往往不到半秒鐘，球的旋轉強度更是極高，強烈的旋轉會直接改變飛行軌跡和反彈方向，想要精準接住并回擊，對反應速度、判斷能力和身體控制的要求都非常高。

過去幾十年里，雖然也出現過不少乒乓球機器人，但大多只能對接發球機，忽略旋轉變化，或者只能在縮小的場地上活動，根本沒辦法和真人進行公平的競技對抗。

近日，索尼人工智能團隊研發的乒乓球機器人 Ace（比賽中，ace 意為發球直接得分），在完全遵循國際乒聯（ITTF）正式競賽規則、使用標準器材的真實對抗中，成功戰勝了多名優秀的乒乓球人類選手。相關研究發表在 Nature 期刊。

Ace 主要由三部分組成：高速感知系統、AI 驅動的控制系統，以及機器人硬件。

Ace 的感知系統也就是它的眼睛，其配備了 9 臺來自索尼的高速攝像頭從各個角度追蹤乒乓球，它們以每秒 200 幀的速度、3 毫米的精度測量球的位置，同時三個專門的基于事件的視覺單元以每秒 400 到 700 次的頻率計算球的旋轉。所有這些數據隨后被輸入計算機，在短短 10 毫秒內完成數據處理。這意味著 Ace 能察覺到人類視覺中一閃而過的微小運動變化，并精準預測球在撞擊球網或球拍時的軌跡。

其次是聰明的大腦，借助深度強化學習技術，Ace 在真正與人類對戰之前，已經在定制的模擬器中進行了數千小時的苦練。它學會了實時調整策略，能根據對手的打法風格和擊球選擇做出精準反應。

硬件方面，研究團隊專門為它打造了 8 個自由度的高速機械臂，其中 3 個自由度用于控制球拍的空間位置，兩個用于調整球拍的朝向，另外 3 個則用于決定擊球的速度向量與力度。無論是扣殺、弧圈球、削球，甚至是棘手的擦網球，都不在話下。

（來源：上述論文）

為了評估 Ace 的實戰能力，研究團隊根據國際乒乓球聯合會的規則，安排 Ace 與 5 名擁有 10 年以上訓練經驗的精英選手（曾參加過全國或地區錦標賽）、以及 2 名日本職業聯賽球員（安藤南（Minami Ando）和曾根翔（Kakeru Sone））展開對決。賽前，研究團隊未利用任何關于這些選手的具體數據來訓練 Ace。

此外，為了進行這些實驗，索尼還在其東京總部搭建了一個奧運會標準尺寸的乒乓球場，以便為職業選手和其他高水平運動員提供一個與機器人進行公平較量的環境。

2025 年 4 月的比賽中，Ace 在與精英選手的五場比賽中贏了三場，共進行的 13 局比賽中贏得 7 局。Ace輸掉了與職業選手的兩場比賽，在七局比賽中贏下一局。它能穩定接住 14 米/秒以內的快球，面對高強度旋轉回球率超過七成，發球直接得分的次數甚至比人類選手還要多，而且回球穩定、反應迅速，平均擊球回合比人類職業比賽還要長，展現出了極強的持續對抗能力。

Ace 能夠運用 15 種不同的發球方式，在與精英球員的比賽中，發球后直接得分共拿下 16 分，而精英球員的總得分僅為 8 分；在與職業球員的比賽中，Ace 使用了 13 種發球方式，并獲得了 4 個 ace 球，而職業球員則獲得了 7 個 ace 球。

圖 | 評估結果（來源：上述論文）

在將論文提交給 Nature 雜志同行評審后，索尼的研究人員繼續進行了實驗，并表示 Ace 的擊球速度和回合數都得到了提升，而且打法更加激進，更靠近球臺邊緣。

2025 年 12 月，Ace 首次在賽場上擊敗了職業選手。2026 年 3 月，Ace 又接連戰勝了三位職業名將：其中包括在世界乒聯排名前 25 位的女子職業選手木原美悠（Miyuu Kihara），以及龍崎東寅（Tonin Ryuzaki）與五十嵐史彌（Fumiya Igarashi）兩位男子職業選手。

在索尼 Ace 機器人登上 Nature 雜志并擊敗人類職業選手的新聞爆出后，美聯社專門通過郵件采訪了早已退休的比林斯利，他幽默且犀利地表示：雖然他不想貶低這一成就，但索尼在解決這個問題時使用了“人海戰術”和“殺雞用牛刀”般的大算力與全方位視覺技術，這讓只有兩只眼睛的人類很難有勝算。

事實上，Ace 的誕生可追溯至索尼 AI（Sony AI）成立初期的探索。“這個項目的起點極其艱難，”索尼 AI 總裁邁克爾·斯普蘭格（Michael Spranger）回憶道。“當時既沒有團隊，也沒有辦公室。”最初測試 Ace 的時候，人類對手甚至需要戴頭盔、護具和護目鏡。

研究團隊坦言，盡管經過系統迭代，Ace 在擊球力量與旋轉強度上已追平人類精英，但距離“世界冠軍”的絕對統治力仍有微距。眼下的 Ace 依然面臨著物理世界的嚴苛考驗：一方面，系統在防守時會出現過早擊球的機械習慣，限制了回球戰術的縱深與多樣性；另一方面，在應對極端暴扣等極限工況時，虛擬環境與現實物理空間（Sim-to-Real）之間微小的風阻偏差，仍會導致出現失誤。

1.https://www.1news.co.nz/2026/04/23/robot-beats-human-pros-at-table-tennis-in-milestone-for-machines/

2.https://ai.sony/blog/inside-project-ace-discover-the-robot-athlete-that-competes-with-professional-table-tennis-players

3.Dürr, P., El Gheche, M., Maeda, G.J. et al. Outplaying elite table tennis players with an autonomous robot. Nature 652, 886–891 (2026). https://doi.org/10.1038/s41586-026-10338-5

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成