In vielen Domänen sind Computer uns Menschen schon längst überlegen – sei es bei Schach, Go oder bei komplexen Videospielen. Verlegt sich das Spielfeld jedoch in die echte Welt, stoßen Roboter und künstliche Intelligenz schnell an ihre Grenzen, gerade wenn es um schnelle Wahrnehmung und Reaktionen geht. Tischtennis gilt als eine besondere Herausforderung für Roboter, denn hier kommt es darauf an, die Flugbahn des Balls inklusive komplexer Spins innerhalb von Millisekunden vorherzusagen und sofort darauf zu reagieren. Diese Aufgaben mit einem Robotersystem zu meistern, ist seit Jahren ein beliebter Gegenstand von Studienprojekten und Promotionen. Die meisten bisherigen Modelle konnten jedoch allenfalls gegen Amateurspieler antreten und einige freundlich gespielte Bälle zurückschlagen.
Unterstützung durch KI
Nun hat ein Team um Peter Dürr von Sony AI in Zürich einen Tischtennis-Roboter namens Ace entwickelt, der mit menschlichen Profi-Spielern konkurrieren kann. „Ace bewältigt die Herausforderungen der physischen Echtzeit-Interaktion durch ein neues Hochgeschwindigkeits-Wahrnehmungssystem mit ereignisbasierten Bildsensoren und ein neues Steuerungssystem, das auf modellfreiem verstärkendem Lernen basiert, sowie durch modernste Hochgeschwindigkeits-Roboterhardware“, berichten die Forschenden.
Über zwölf Kameras, die rings um das Spielfeld positioniert sind, registriert der Roboter jederzeit die Position des Balls sowie dessen Geschwindigkeit und Eigenrotation. Diese Informationen werden in Echtzeit von einem KI-System ausgewertet, das daraufhin eine passende Reaktion berechnet und entsprechende Befehle an den Roboterarm sendet. Dieser wiederum ist mit acht Gelenken ausgestattet, die ihm eine große Bewegungsfreiheit ermöglichen. Trainiert wurde Ace in einer virtuellen Umgebung, wobei er lernte, seine Schläge so zu gestalten, dass der Ball genau in der gewünschten Art und Weise auf der gegnerischen Seite der Tischtennisplatte aufkommt.
Test gegen Profis
Um die Fähigkeiten ihres Roboters unter realen Bedingungen zu testen, ließen die Forschenden ihn nach offiziellen Wettkampfregeln gegen fünf japanische Elite-Tischtennisspieler antreten, die ihren Sport seit mindestens zehn Jahren aktiv ausüben und durchschnittlich 20 Stunden pro Woche trainieren. Und tatsächlich: Gegen die Elite-Spieler gewann Ace drei von fünf Matches. Bei Spielen gegen die beiden Tischtennis-Profis Minami Ando und Kakeru Sone, die erfolgreich in der japanischen Profi-Liga spielen, schlug sich Ace gut, konnte jedoch keinen Sieg erringen. Dennoch demonstrierte Ace in allen Spielen ein ausgefeiltes Spektrum an Fähigkeiten, darunter den gekonnten Umgang mit Spins sowie schnelle Reaktionen auf ungewöhnliche Schläge, etwa wenn der Ball vom Netz abprallte und dadurch unerwartet seine Flugbahn änderte.
„Diese Ergebnisse unterstreichen das Potenzial physischer KI-Agenten, komplexe, interaktive Aufgaben in Echtzeit auszuführen, was auf breitere Anwendungsmöglichkeiten in Bereichen hindeutet, die eine schnelle und präzise Mensch-Roboter-Interaktion erfordern“, folgern Dürr und seine Kollegen. „Ähnliche Techniken könnten auch in anderen Bereichen mit schneller Echtzeitsteuerung und menschlicher Interaktion anwendbar sein, darunter beispielsweise die Fertigungs- und Servicerobotik.“ Jan Peters von der Technischen Universität Darmstadt, der nicht an der Studie beteiligt war, ist allerdings bezüglich der Übertragbarkeit skeptisch: „Der präsentierte Ansatz wurde speziell für Tischtennis entwickelt. Daher ist es unwahrscheinlich, dass praktische Aufgaben davon profitieren“, sagt er.
Dafür h könnte Ace womöglich zum Trainingspartner für echte Tischtennisspieler werden. Der Tischtennis-Experte Kinjiro Nakamura, der 1992 bei den Olympischen Spielen antrat, meint sogar, dass sich Menschen künftig neuartige Techniken beim Roboter abschauen könnten – auch wenn sie natürlich weder einen Arm mit acht Gelenken, noch Augen rings ums Spielfeld haben. Einen Schlag von Ace kommentierte Nakamura mit den Worten „Das hätte sonst niemand geschafft. Ich hätte das nicht für möglich gehalten. Aber die Tatsache, dass es möglich war, bedeutet, dass ein Mensch das auch schaffen könnte.“
Quelle: Peter Dürr (Sony AI, Zürich, Schweiz) et al., Nature, doi: 10.1038/s41586-026-10338-5
