Nature封面论文：AI机器人战胜人类顶尖乒乓球选手

撰文丨王聪

编辑丨王多鱼

排版丨水成文

当 AI 在虚拟游戏以及象棋、围棋等智力运动中屡屡战胜人类后，它终于走进了现实世界——这次的目标是乒乓球桌。

2026 年 4 月 22 日，索尼 AI 的研究人员在国际顶尖学术期刊Nature上发表了题为：Outplaying elite table tennis players with an autonomous robot 的研究论文，该论文还被选为当期封面论文。

该研究开发了一种自主机器人——Ace，首次在正式比赛规则下击败人类顶尖乒乓球选手。其面对 5 名拥有超过 10 年专业训练的精英乒乓球选手，取得了 3 胜 2 负的战绩；面对 2 名日本职业联赛选手，虽然最终落败，但仍赢下了一局比赛。

乒乓球是一项对灵巧度要求极高的运动，需要快速的反应能力和应对不可预测的比赛局面的能力，这对机器人来说是一个巨大的挑战。一些机器人系统可以拿起球拍，但只能在简化的规则下或与业余选手对战。而现在，索尼 AI 的研究人员开发了一款能够在正式比赛规则下击败人类顶尖乒乓球选手的自主机器人——Ace，该机器人由一个摄像头网络、一个 AI 控制系统和一个具有八自由度的高速机械臂组成，这让它能够在比赛中打出多种类型的旋转球，并能迅速应对对手不寻常的击球。研究团队让 Ace 与五名精英选手和两名职业选手进行了多场比赛。Ace 在与五名精英选手的五场比赛中赢了三场，尽管在与两名职业选手的两场比赛中落败，但它还是赢了其中一名职业选手一局。该封面照片展示了 Ace 与一名精英选手对战的瞬间。

为什么乒乓球对机器人如此困难？

乒乓球被称为“最快的球类运动”之一。在职业比赛中，乒乓球球的飞行速度可达 20m/s 以上，两次击球间隔常不足 0.5 秒。更复杂的是，球的旋转速度可达每秒 1000 弧度，这会显著改变球的飞行轨迹和弹跳特性。

传统乒乓球机器人大多采用简化设置：使用发球机、限制场地范围、忽略旋转或只让人类发球等。这些限制使得它们无法真正模拟人类对战的复杂性。

因此，一个真正能与人类高手对战的乒乓球机器人面临的挑战是全方位的：需要高速感知（追踪快速移动的旋转球）、实时决策（在毫秒级时间内做出反应）和精准控制（执行复杂的击球动作）。

三大核心技术构建“超级选手”

Ace 机器人由三大核心组件构成：高速感知系统、AI 控制系统和专用机器人硬件。

高速感知系统采用了 9 个主动像素传感器摄像头，以 200 赫兹频率追踪球的三维位置，平均误差仅 3 毫米，延迟仅 10.2 毫秒。更关键的是，系统配备了 3 套“凝视控制系统”，专门用于测量球的旋转。每套凝视系统包含一个事件相机、可调节的倾斜镜和长焦可调镜头。这种组合克服了以往基于事件相机的旋转测量系统的局限性，平均测量误差为每秒 24.8 弧度。

AI 控制系统基于深度强化学习，采用非对称“演员-评论家”架构。演员网络接收传感器测量历史，而评论家网络在训练时接收模拟器中的真实球状态。这种设置确保了策略能够从模拟环境迁移到真实世界。

专用机器人硬件是专门设计的 8 自由度机械臂（2 个平移关节和 6 个旋转关节），末端执行器装有专业乒乓球拍。通过拓扑优化和 3D 打印技术，机械臂在保持刚度的同时减轻了重量，实现了高速精准的运动控制。

Ace 将感知、控制和硬件整合起来打乒乓球

与人类高手的真实较量

2025 年 4 月，研究团队组织了正式比赛。Ace 机器人面对 5 名精英选手（3 女 2 男，均有 10 年以上专业训练经验，每周训练约 20 小时）和 2 名职业选手（日本职业乒乓球 T 联赛的现役球员）。

比赛完全按照国际乒联规则进行，仅引入了日本职业乒乓球 T 联赛采用的“金球制”（双方在 10:10 平分时，直接下一球定胜负，不再需要领先两分），比赛由两名日本乒乓球协会认证裁判现场执裁。

比赛结果显示，Ace 在 5 场对阵精英选手的比赛中赢得 3 场，总战绩为 7 胜 6 负；对阵 2 名职业选手的 2 场比赛虽告负，但赢下了 7 局中的 1 局。

比赛结果

数据分析揭示了更多细节：Ace 机器人能够稳定回击速度高达每秒 14 米的来球，在每秒 16 米以上的高速球处理上表现与人类选手相似。在旋转球处理方面，Ace 机器人表现尤为出色，对高达每秒 450 弧度的旋转球仍保持超过 75% 的回击率。

有趣的是，人类选手主要通过高于平均水平的强力击球得分，而 Ace 机器人则通过稳定一致的连续回球赢得分数。Ace 机器人击球的平均速度（每秒 16.4 米）和旋转速度（每秒 600 弧度）均达到了人类职业选手水准。

发球策略与应变能力

Ace 机器人的发球系统同样专业。研究团队通过三个步骤构建发球库：从人类示范中提取抛球动作、在模拟中使用遗传算法优化击球轨迹、由专家选手在真实机器人上评估发球质量。

比赛中，Ace 机器人使用了 15 种不同类型的发球来对抗精英选手，发球直接得分（ACE 球）共 16 次，而精英选手总共只有 8 次。对抗职业选手时，Ace 使用了 13 种发球类型，取得 4 次 ACE 球。

此外，Ace 机器人还展示了出色的应变能力，当乒乓球意外擦网时，Ace 能够在 49 毫秒内调整轨迹，成功回击。这种快速适应意外动态事件的能力，体现了其在模拟训练中获得的泛化能力。

当乒乓球擦网时，Ace 实现了快速反应

从游戏到现实的 AI 进化之路

Ace 机器人的成功，标志着 AI 系统首次在需要快速物理交互的技能型运动中达到人类精英水平。与以往在虚拟环境（例如星际争霸、GT 赛车等电子游戏）中战胜人类的 AI 不同，Ace 在完全真实的物理世界中实现了这一突破。

这项研究的价值不仅限于乒乓球。论文指出，类似的技术可应用于需要快速实时控制和人类交互的其他领域，例如制造业和服务机器人。

论文链接：

https://www.nature.com/articles/s41586-026-10338-5