“Alpha 乒乓”来了 学了 1.4 万个对拉球：谷歌乒乓机器人球技横扫大部分选手 网友：4 年后代表美国打奥运

谷歌DeepMind最新乒乓球机器人展现出与人类业余选手对抗的出色能力，以45%胜率证明了运动机器人领域的突破，下面详解其技术细节与表现。

乒乓球在全球范围内影响深远，每代中国人心中都有独特的国乒记忆。2024年巴黎奥运会期间，中国乒乓男团和女团均成功晋级决赛，再次展现了国乒风采。

8月9日，DeepMind团队公布了首款能与人类业余水平对抗的AI乒乓球机器人。该系统将ABB IRB 1100工业机械臂与定制AI软件结合。尽管专业运动员仍占上风，但机器人在处理复杂物理任务时展现了瞬时决策与强大适应能力。

过去十年间，乒乓球一直是对机器人手臂进行基准测试的关键运动，因其对速度、反应能力和策略要求极高。

研究团队在arXiv的预印本论文中指出，这是首款能与人类水平比肩的运动机器人智能体，代表了机器人学习与控制领域的重要里程碑。

预印本论文链接：https://arxiv.org/abs/2408.03906

这款尚未正式定名的乒乓球机器人（可暂称“AlphaPong”）由David B. D'Ambrosio、Saminda Abeyruwan和Laura Graesser等研究人员开发，在与不同技能水平的人类选手对抗中表现出色。在29名参与者参与的测试中，AI机器人取得了45%的胜率，展现出扎实的业余级别球技。

更值得注意的是，面对初学者机器人取得100%胜率，对阵中级选手胜率也达到55%。然而，尚未准备好与专业选手抗衡，与高级选手对抗时每次均落败。

谷歌DeepMind视频展示了AI智能体与人类乒乓球运动员的对决画面。

有网友评价该乒乓球机器人：“四年后，她应该代表美国参加奥运会。”也有网友质疑其能力：“作为一名拥有三十多年乒乓球经验的终身运动员，我怀疑目前这款机器人能否从我这里拿下一分。”

能与各级选手对打，自适应输出乒乓球战术。

乒乓球是一项对体力要求很高的运动，需要人类运动员多年训练才能达到高熟练度。

据介绍，AlphaPong的物理配置包括IRB 1100六自由度机械臂，安装在两条线性轨道上，可在2D平面自由移动。高速摄像机追踪球的位置，动作捕捉系统观察人类对手的拍面动作。

为建立驱动机械臂的智能核心，DeepMind研究人员开发了两级方法：机器人能执行特定乒乓球战术，同时根据每位对手的打法实时调整策略。这意味着它具备足够适应性，可与任何业余级别选手比赛，无需针对不同球员单独训练。

该系统架构将底层技能控制器（训练执行正手击球、反手回球、接发抢攻等特定技术）与高级战略决策器（分析比赛状态、适应对手风格并选择相应技能策略）相结合。

研究人员指出，AlphaPong的关键创新在于AI模型的训练方法。他们采用混合方法：在模拟物理环境中使用强化学习，同时将现实世界实例作为训练数据。该技术使机器人能从约1.75万种真实乒乓球飞行轨迹中学习——对于复杂任务而言，这一数据集相当精简。

谷歌DeepMind视频展示了如何与高端人类球员对战。

研究团队还使用迭代过程完善机器人技能：从小批量人机对战数据集起步，然后让AI与真实对手较量。每场比赛产生球飞行轨迹与人类策略的新数据，反馈到模拟中进一步训练。

机器人在模拟环境中训练时能准确模拟乒乓球的物理特性。部署到现实世界后，收集与人类相比的性能数据，用于改进模拟技能，形成连续反馈循环。

整个过程重复七个周期，使机器人不断适应更熟练的对手和更多样化的比赛风格。到最后一轮，AI已从超过1.4万个对拉球与3000次发球中学习，积累了大量乒乓球知识，弥合了模拟与真实场景的差距。

有趣的是，英伟达也在试验类似模拟物理系统，例如Eureka允许AI模型在模拟空间快速学习控制机械臂。模拟中加速物理效应可同时开展数千次试验，有望减少机器人训练复杂交互所需的时间和资源。

被人类选手所喜爱，但因局限性不敌高水平球员。

除了对战技术成就，谷歌这项研究还探索了人类与AI选手的对抗体验。令人惊讶的是，即便输给乒乓球机器人，人类选手仍表示非常享受比赛。

研究人员指出，所有技能组和胜率情况下，人类选手均表示与机器人对战“有趣又引人入胜”。这种积极反响表明AI在体育训练和娱乐方面有广阔应用空间。

当然，该系统也有局限性：在处理极快球和高球方面表现不佳，难以发现剧烈旋转，反手比赛较弱。谷歌DeepMind分享的演示视频中，AI因难以对快速回球做出反应而被高水平球员得分。

谷歌DeepMind的AI智能体分析人类球员的视频。

不过，研究团队正在优化这些不足。针对快球问题，计划研究先进控制算法和硬件优化，包括探索预测模型来预测球轨迹，或实现传感器与执行器间更快的通信协议。

谷歌DeepMind研究团队强调，随着成果完善，该系统未来有望与高水平乒乓球运动员一较高下。DeepMind在开发击败人类选手的AI模型方面经验丰富，包括围棋界的AlphaZero与AlphaGo。国际象棋与智能问答已落入人工智能手中，乒乓球或许是下一个目标。

研究人员还表示，这位乒乓球机器人“神童”的影响不止于乒乓球，其技术可应用于需要快速反应并适应人类不可预测行为的机器人任务，如制造业和医疗保健。

相关参考链接：

https://arstechnica.com/information-technology/2024/08/man-vs-machine-deepminds-new-robot-serves-up-a-table-tennis-triumph/

综上所述，这款乒乓球机器人不仅体现了AI在体育领域的潜力，还为机器人应对复杂动态任务提供了新思路，未来有望拓展至制造与医疗等更多场景。