運動一直是檢驗機器人能力的重要領域。其中最廣為人知的例子，莫過於自 1990 年代中期開始舉辦的年度 RoboCup 機器人足球賽。而在此之前十年，桌球就已成為測試機器人手臂性能的關鍵運動種類。這類運動不僅要求速度和反應力，還需要策略等多方面的能力。

Meet our AI-powered robot that’s ready to play table tennis.  

It’s the first agent to achieve amateur human level performance in this sport. Here’s how it works.  pic.twitter.com/AxwbRQwYiB

— Google DeepMind (@GoogleDeepMind) August 8, 2024

Google 旗下的 DeepMind 機器人團隊最近發表了一篇名為《達到人類水準的競技型機器人桌球》的論文，展示了他們在這個領域的最新成果。研究團隊成功開發出一個能與人類選手一較高下的系統，其水準可媲美「有一定實力的業餘玩家」。

在實際測試中，這個桌球機器人輕鬆擊敗了所有初學者。面對中級玩家時，它的勝率達到 55%。不過，它仍無法與專業選手抗衡，每次對上高階玩家都以失敗告終。總計 29 場比賽中，機器人的勝率為 45%。

論文中指出：「這是首個能在人類水準上與真人進行體育競技的機器人系統，標誌著機器人學習和控制技術的重要里程碑。然而，這僅僅是邁向機器人學終極目標的一小步。」

DeepMind 在論文中指出，其長遠目標是讓機器人在各種實用的現實技能上達到人類水準。然而，要在單一任務中穩定達到人類水準的表現，還有很長的路要走。DeepMind 更遠大的目標，是開發出能靈活執行多項任務，並能在現實世界中安全、熟練地與人類互動的通用型機器人。

目前這個系統目前最大的弱點是對快球的反應能力。DeepMind 認為，造成這個問題的主要原因包括系統延遲、每次擊球後必須重置，以及缺乏足夠的有效數據。

研究人員提出：「為了克服系統延遲對機器人快球反應的限制，我們計劃研究更先進的控制算法和優化硬體。這可能包括開發預測球軌跡的模型，或是在機器人的感測器和執行器之間建立更快速的通訊協定。」

除此之外，這個系統在應對高球、低球和反手球方面還有改進空間，對來球旋轉的判讀能力也有待加強。

DeepMind 表示，這項研究不僅限於提升桌球技術，其中的策略架構、利用模擬來進行實戰，以及即時調整策略的能力，都可能對更廣泛的機器人學領域產生影響。

：Sisley

：Mia 

本文初稿由 INSIDE 採用 AI 編撰；快加入 INSIDE Google News 按下追蹤，給你最新、最 IN 的科技新聞！