8月9日，麻省理工《技术评论MIT Technology Review》期刊的一篇文章，报道了谷歌旗下深层思维DeepMind公司最新研发的一款“乒乓机器人”。
在与人类玩家进行的模拟乒乓球比赛中，这个挥舞着3D打印球拍的机械臂，赢得了29场比赛中的13场（胜率44%），成为了首个能够达到人类“业余乒乓选手”技术水平的学习型机器人智能体。
众所周知，要成为一名专业乒乓球运动员，人们需要训练出优秀的手眼协调能力、快速移动和快速决策并做出反应的能力。所有这些能力，都是制造一个能够与人对打的乒乓球机器人所要面临的重大挑战。
该乒乓球机器人的主体结构，是一个固定在底部滑轨上可以前后移动的六轴工业机械臂，配以DeepMind定制的 AI 软件。研究人员使用两部分来训练该机械臂系统，他们事先编制了一个乒乓球状态的数据集，包括位置、旋转和速度的数据，旨在准确反映乒乓球在比赛中能够呈现的所有物理特性。
随后再通过让机械臂在该数据集中进行学习，以掌握并模仿专业人士在乒乓球比赛中所必备技术能力，再通过实战练习获得与人对打的真实数据，进行不断地技术改进。
这个学习过程依赖于其中的分层和模块化策略架构：低级控制器（LLC）负责学习掌握各种乒乓球技巧，如正手攻球、反手定位、正手发球等，而每个LLC都是一个独立的策略，专注于特定技能的训练；高级控制器（HLC）则需要根据当前比赛的真实情况和对手能力，选择最合适的LLC进行应对，HLC会实时跟踪比赛统计数据，如得分和失误，随时微调每个LLC的偏好值，不断优化技能方案，调整策略以适应对手的变化。
在与29名人类玩家进行的对打的实验中，乒乓球机器人能赢得了所有与初级选手的对打，击败55%的中级业余选手，但它输掉了所有与高级玩家的比赛。
对于这个乒乓机器人项目，机器人公司Mytra的创始人、特斯拉机器人团队的前负责人克里斯·沃尔蒂说：“实际模拟现实比赛非常困难，因为有太多的变量，比如一阵风，甚至是桌子上的灰尘颗粒，除非你有非常逼真的模拟，否则机器人的性能肯定会受到限制。”
要知道，通常研究人员会选择象棋、围棋这类经典游戏来测试人工智能的策略能力，但当需要测试机器人是否能够将策略和实时物理性相结合时，乒乓球是长期以来的不二之选——因为这项运动对计算和物理要求很高，涉及大量对动态变量、复杂运动和视觉协调的快速适应。
在中国，早在2020年我国就成功研发了世界上第一个手执球拍发球的机器人“庞伯特Pang Bot”。它有两条分别用于抛球和击打的机械臂，发球频率为 30-85 次/分钟，最大储球量 180 个。它具备高速双目立体视觉、乒乓球轨迹预测算法、智能回球策略等核心技术，能够精准实时地捕捉并记录高速运动的乒乓球轨迹，并迅速挥拍回击，实现人机多回合对打。
现在，“庞伯特Pang Bot”已经全面投入中国乒乓球学院的教学训练当中，成为了国球教学中的一个数据化“陪练手”——它通过人工智能算法进行深度学习和强化学习，不断提升自己的发球和回球能力，为运动员提供更加科学、高效的训练，为国球训练带来了诸多益处。
40多年来，外国工程师们一直在无数轮乒乓球比赛中让机器与人类对抗，企图能够通过智能机器实现击败人类的目标。然而，谷歌的实验室据证明，DeepMind团队研发的机器人学习系统仍存在严重的局限性，如对快速球和低球的反应能力有限、旋转检测精度低、缺乏多球策略战术等。
未来，机器人仍需要提高对各种球的处理能力、学习更复杂的策略、改进运动捕捉技术等，追赶人类还有很长的路要走。你认为机器人手臂有可能在未来的乒乓球比赛中，战胜人类运动员吗？