什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

49毫秒击败职业选手:索尼Ace揭开具身智能新纪元

索尼Ace乒乓机器人击败职业选手:49毫秒背后的具身智能突破
一个机器人,如何在乒乓球台上掀翻职业选手
2026年3月,日本T联赛现役主力曾根翔、安藤南,以及常年位居女单世界排名前25的木原美悠,在正式比赛中接连败给了一个对手——索尼研发的乒乓球机器人Ace。这不是表演赛,是按国际乒联官方规则进行的认证比赛,有持证裁判、标准球台和用球。49毫秒,这是Ace完成一次“看清球-判断旋转-决策打法-挥拍击球”全流程的时间。1
这场胜利登上了《自然》封面,也把一个问题摆到台面上:一个靠“堆硬件”堆出来的乒乓球机器人,凭什么被称作具身智能的里程碑?
9只眼睛配8条手臂:硬件堆料的真相
先拆硬件。Ace在球台周围部署了9台高速同步摄像头,加3套独立视觉处理系统,能追踪转速高达每秒1000弧度的乒乓球——这已经超出人眼能辨认的极限。感知延迟压到了10.2毫秒。执行端是一台定制机械臂,8个关节、8个运动自由度:3个关节控制球拍空间位置,2个调节拍面倾角,剩下3个负责击球力量和出球速度。底座还能移动,覆盖范围远超人类手臂。2
但堆硬件只是表面。真正让Ace能“自己学会打球”的,是一套无模型强化学习架构。研发团队没有手写任何击球规则,而是让机器人在仿真环境和真实对战中不断试错,用“成功回球得分、失误扣分”的奖励机制,让它自己摸索出最优打法。这意味着面对每一种全新的球路——比如擦网后的诡异弹跳——Ace不需要等人来更新程序,它自己能适应。2
所以批评它“只是硬件堆料”并不准确。硬件解决的是看得清和打得准,强化学习解决的是打得聪明——两者缺一不可。
战绩背后:赢了谁,赢了多少
说回比赛成绩。2025年4月的封闭测试中,Ace对阵5名精英业余选手——均有10年以上训练经历、参加过全国或地区锦标赛——赢了3场;发球直接得分16比8,显著领先。转向两名日本T联赛现役职业选手时,Ace输了两场,7局只赢了1局。2
差距在缩小。2025年12月,Ace击败了2名精英选手和1名职业选手;到2026年3月,已经能稳定拿下职业主力。回球率维持在75%以上,进攻成功率极高。这个进化速度,才是真正让业内关注的点。3
当然,对手不是国乒主力。但换个角度看:这是历史上第一个在正式规则下击败人类职业选手的乒乓球机器人,这个“第一次”的意义不取决于对手是谁。
混合控制:给机器人装上“大脑”和“护栏”
Ace的技术路线里有一个关键设计:混合控制方案。强化学习负责生成战术策略,让机器人知道“这球该拉还是该扣”;传统物理优化模型负责把策略翻译成安全、精确的动作指令,确保关节不超限、力矩不超载。4
这其实是整个人形机器人行业的共识方向。底层用传统模型做安全兜底,中层用强化学习生成灵活动作,高层用多模态大模型理解语义指令。三层各司其职:传统模型不负责“理解”复杂场景,学习模型不负责“保证”绝对安全,大模型不负责“生成”具体关节力矩。5
为什么不能彻底用强化学习取代传统模型?因为纯端到端的黑盒策略无法保证人机共存场景下的安全。想象一个机器人在手术室里,每个动作都无法追溯——没有医生敢让它动刀。反过来,纯传统模型的泛化能力天花板已经很明显:连走出实验室都费劲。
从乒乓球台到真实世界:49毫秒意味着什么
Ace最值得关注的不是“它能打乒乓球”,而是它证明了一种感知-决策-执行闭环可以在真实物理世界中以极低延迟运行。49毫秒完成从看到球到挥出拍的全过程,这个响应速度已经接近专业运动员的神经反射极限。1
这个能力可以迁移到哪?制造业的精密装配、医疗手术的实时辅助、危险环境下的应急响应——这些场景的共同点是需要机器人在毫秒级时间内完成感知、判断、动作,而且动作结果必须可控、可解释。乒乓球恰好是一个完美的测试场景:速度快、变化多、结果立竿见影。
2026年的具身智能领域,类似的突破已经不是孤例。宇树科技的人形机器人完成全球首例通用机器人远程微创手术,天工3.0实现了托马斯回旋这类高难度动作,RoboCup首次实现11对11全自主人形机器人足球赛。这些进展的共同技术基础,就是混合控制方案的可靠性持续提升。5
所以Ace赢了一场乒乓球比赛,但它验证的是一套可复用的具身智能范式:高速感知、实时决策、安全执行,三者缺一不可。这才是它登上《自然》封面的真正原因。

评论

评论区空态插画

当前文章无评论,是时候发表评论了