运动一直是检验机器人能力的重要领域。其中最广为人知的例子，莫过于自 1990 年代中期开始举办的年度 RoboCup 机器人足球赛。而在此之前十年，桌球就已成为测试机器人手臂性能的关键运动种类。这类运动不仅要求速度和反应力，还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 机器人团队最近发表了一篇名为《达到人类水准的竞技型机器人桌球》的论文，展示了他们在这个领域的最新成果。研究团队成功开发出一个能与人类选手一较高下的系统，其水准可媲美「有一定实力的业余玩家」。

在实际测试中，这个桌球机器人轻松击败了所有初学者。面对中级玩家时，它的胜率达到 55%。不过，它仍无法与专业选手抗衡，每次对上高级玩家都以失败告终。总计 29 场比赛中，机器人的胜率为 45%。

论文中指出：「这是首个能在人类水准上与真人进行体育竞技的机器人系统，标志着机器人学习和控制技术的重要里程碑。然而，这仅仅是迈向机器人学终极目标的一小步。」

DeepMind 在论文中指出，其长远目标是让机器人在各种实用的现实技能上达到人类水准。然而，要在单一任务中稳定达到人类水准的表现，还有很长的路要走。DeepMind 更远大的目标，是开发出能灵活运行多项任务，并能在现实世界中安全、熟练地与人类交互的通用型机器人。

目前这个系统目前最大的弱点是对快球的反应能力。DeepMind 认为，造成这个问题的主要原因包括系统延迟、每次击球后必须重置，以及缺乏足够的有效数据。

研究人员提出：「为了克服系统延迟对机器人快球反应的限制，我们计划研究更先进的控制算法和优化硬件。这可能包括开发预测球轨迹的模型，或是在机器人的传感器和运行器之间创建更快速的通信协定。」

除此之外，这个系统在应对高球、低球和反手球方面还有改进空间，对来球旋转的判读能力也有待加强。

DeepMind 表示，这项研究不仅限于提升桌球技术，其中的策略架构、利用模拟来进行实战，以及即时调整策略的能力，都可能对更广泛的机器人学领域产生影响。

：Sisley

：Mia 

本文初稿由 INSIDE 采用 AI 编撰；快加入 INSIDE Google News 按下追踪，给你最新、最 IN 的科技新闻！