SMASH 2.0: Zwei humanoide Roboter bestreiten autonom ein komplettes Tischtennismatch

Die Demonstration von SMASH 2.0 war mehr als ein spektakulärer einzelner Robotertrick: Zwei humanoide Roboter der Universität Hongkong (HKU) und des Unternehmens KAI beziehungsweise Chaowei spielten nach Angaben des Teams selbstständig ein komplettes Tischtennisspiel bis 11 Punkte. Sie wechselten sich beim Aufschlag ab, reagierten auf eingehende Bälle, sammelten Punkte und spielten so lange, bis ein Sieger feststand. Fernsteuerung, menschliches Zuspiel und externe Kameras kamen dabei nicht zum Einsatz. 4612

Die Bezeichnung als „erste“ Vorführung dieser Art ist allerdings die Behauptung der beteiligten Forschenden und kein unabhängig festgestellter Branchenrekord. Gut belegt ist der Umfang der Demonstration: ein autonomes Duell zweier humanoider Roboter mit bordeigener Wahrnehmung und im Format eines vollständigen Spiels. 24

Ein 11-Punkte-Spiel bedeutet mehr als elf Ballwechsel

Ein Ballwechsel – im Tischtennis oft auch als Rallye bezeichnet – dauert so lange, bis ein Punkt endet. Ein vollständiges Spiel bis 11 Punkte verlangt deutlich mehr: Die Roboter müssen aufschlagen und annehmen, den Ball zurückspielen, Fehler verarbeiten, Punkte zuordnen, den Aufschlag wechseln und das Spiel nach den Regeln bis zur Entscheidung fortsetzen. Elf erfolgreiche Hin-und-her-Schläge würden diese Fähigkeiten allein nicht belegen. 57

Der Unterschied ist technisch entscheidend. Ein Roboter kann in einer kooperativen Übung zugespielte Bälle zurückschlagen oder auf einen Menschen reagieren, ohne bereits die umfassendere Autonomie für ein eigenständig gestartetes und beendetes Wettkampfspiel zu besitzen. Zwei Roboter, die tatsächlich um Punkte spielen, müssen außerdem offensive und defensive Entscheidungen treffen, statt lediglich einen möglichst langen Demonstrationsballwechsel aufrechtzuerhalten. 57

So schließt SMASH 2.0 die Lücke zwischen Wahrnehmung und Handlung

SMASH 2.0 ist als modulares System angelegt, das vier zentrale Funktionen miteinander verbindet:

1. Wahrnehmung: Bordeigene, aus der Roboterperspektive arbeitende Kameras erkennen den Ball und schätzen den Zustand des Roboters, ohne auf ein externes Kamerasystem angewiesen zu sein. 2
2. Flugbahnberechnung: Das System berechnet, wohin sich der Ball bewegt, und berücksichtigt voraussichtlich auch Flug und Aufprall. 714
3. Bewegungs- und Schlagplanung: Es entscheidet, wie und wohin der Ball geschlagen werden soll, und wählt Reaktionen auf unterschiedliche Flugbahnen. 714
4. Ganzkörpersteuerung: Beine, Rumpf, Arme und Schläger werden koordiniert, damit der Roboter den Ball erreicht, das Gleichgewicht hält und den geplanten Schlag ausführt. 214

Berichten zufolge läuft dieser Entscheidungs- und Steuerungsprozess in einem Zeitfenster von wenigen Millisekunden ab. Der Roboter muss den ankommenden Ball erkennen, seine Flugbahn berechnen und einen Schlag planen, bevor der nächste spielbare Kontakt möglich ist. 714 Auch die wissenschaftliche Beschreibung von SMASH hebt aufgabenbezogenes Imitationslernen für die Schlagkontrolle und bordeigene Wahrnehmung für die Echtzeit-Interaktion hervor. 2

Was sich gegenüber SMASH 1.0 geändert hat

Die berichteten Verbesserungen von SMASH 2.0 zielten auf Fähigkeiten, die für ein echtes Spiel notwendig sind – und nicht nur für eine komfortable Rückschlagübung.

Autonomer Aufschlag

SMASH 2.0 erhielt einen autonomen Aufschlag. Dadurch können die Roboter Punkte selbstständig eröffnen und die Aufschläge entsprechend dem Spielformat wechseln. Ohne diese Funktion könnte ein Roboter zwar an Ballwechseln teilnehmen, aber kein vollständiges Match von Anfang bis Ende eigenständig durchführen. 58

Größerer Schlagbereich

Das System erweiterte den erreichbaren Schlagraum, sodass die Roboter sowohl kürzere als auch längere Bälle bearbeiten können. Nach Angaben des Teams wurden menschliche Bewegungsdaten in Simulationen genutzt, um eine umfangreichere Bibliothek von Schlagbewegungen aufzubauen und einen größeren Bereich des Arbeitsraums abzudecken. 2

Angriff und Verteidigung statt bloßer Kooperation

In einem vollständigen Match müssen die Roboter nicht nur zurückspielen, sondern auch angreifen und verteidigen. Die Beschreibung von SMASH 2.0 umfasst verschiedene Rückschlagarten und Zielplatzierungen. Das macht das System wettkampfnäher als eine Lösung, die lediglich einen vorhersehbaren Ball zurückgibt. Die verfügbaren Quellen belegen jedoch keine taktische Vielseitigkeit auf menschlichem Niveau. Die belastbarere Schlussfolgerung lautet: Die Demonstration verknüpfte Aufschlag, Wahrnehmung, Bewegung und Punktewertung in einem gemeinsamen Spielkreislauf. 714

Die aktuelle Grenze: voreingestellte Strategie statt Lernen im laufenden Spiel

Derzeit können den Robotern bestimmte Spielweisen vorgegeben werden, etwa ein schnelleres oder langsameres Tempo sowie unterschiedliche Zielplatzierungen. Das Team sagt, dass echtes Online-Lernen gegen einen konkreten Gegner während eines laufenden Spiels noch nicht erreicht sei. Praktisch bedeutet das: Der Roboter kann die Vorlieben eines Gegners nicht fortlaufend erschließen und seine Taktik noch nicht eigenständig anpassen.

Als nächsten Schritt will das Team Daten aus Roboter-gegen-Roboter-Spielen speichern – einschließlich erfolgreicher und misslungener Ballwechsel – und sie später für Verstärkungslernen auf realen Robotern nutzen. Daraus könnte langfristig eine Art robotische „Selbstentwicklung“ entstehen. Für das berichtete Match ist diese Fähigkeit jedoch noch ein künftiges Trainingsziel und keine nachgewiesene Eigenschaft.

Wie das Team die Roboter trainiert hat

Nach Angaben der Forschenden stammen die aktuellen Trainingsdaten überwiegend von Menschen. Aufzeichnungen menschlicher Bewegungen wurden in Simulationen eingesetzt, um den Schlagbereich der Roboter zu vergrößern. Die wissenschaftliche Arbeit zu SMASH beschreibt außerdem Bewegungsaufnahmen und erzeugte Bewegungsbibliotheken als Teil des Lernansatzes. 2

Detailliertere Berichte sprechen von täglichen Trainingseinheiten über ungefähr ein bis zwei Monate, bei denen Coaches mit Motion-Capture-Ausrüstung arbeiteten. Das Team interessiert sich zugleich für markerloses Erfassen menschlicher Bewegungen, auch wenn dabei mögliche Abstriche bei der Datenqualität entstehen könnten. Diese Angaben sind als vom Team beschriebene Methodik zu verstehen; die verfügbaren Quellen bestätigen nicht unabhängig jeden einzelnen Teil des Ablaufs. 35

Warum Tischtennis ein anspruchsvoller Humanoiden-Test ist

Tischtennis bündelt mehrere schwierige Robotikprobleme in einem extrem kurzen Zeitfenster. Ein humanoider Roboter muss einen kleinen, schnellen Ball verfolgen, Flugbahn und Auftreffpunkt abschätzen, eine Reaktion auswählen, sich positionieren, viele Gelenke koordinieren, das Gleichgewicht halten und den Ball kontrolliert treffen. Gleichzeitig verändern sich Gegner und Umgebung ständig. 1418

Damit eignet sich der Sport als konfrontativer Test für verkörperte künstliche Intelligenz. Erfolg hängt nicht davon ab, eine feste Bewegungsfolge abzuspielen, sondern auf neue Bedingungen zu reagieren. In diesem Sinn steht Tischtennis neben anderen formalen Roboter-Wettbewerben, etwa Kampfsportdisziplinen: In beiden Fällen sind schnelle Reaktionen, körperliche Koordination und Entscheidungen im direkten Wechselspiel mit einem Gegner gefragt.

Von der Demonstration zum Wettbewerb in Peking

Die zweiten World Humanoid Robot Games fanden vom 22. bis 26. August 2026 im Nationalen Eisschnelllauf-Oval in Peking statt, das auch als „Ice Ribbon“ bekannt ist. Tischtennis war erstmals eine offizielle Wettbewerbsdisziplin; 12 Teams nahmen teil. 810

Insgesamt traten bei den Spielen 2.056 Roboter in 666 Teams und 51 Disziplinen an. Diese Gesamtzahl darf jedoch nicht mit der Zahl der Tischtennisroboter gleichgesetzt werden. Das HKU-SMASH-Team erreichte schließlich das Tischtennisfinale und wurde nach einer 0:2-Niederlage gegen das gemeinsame Team von Peking-Universität und Beijing Academy of Artificial Intelligence (PKU-BAAI) Zweiter. 110

Die SMASH-Roboter waren außerdem in einer Schauvorführung gegen die chinesische Olympiasiegerin im Tischtennis, Ding Ning, zu sehen. Sie ist die klar dokumentierte menschliche Gegnerin des HKU-Systems; andere Athletinnen und Athleten traten bei separaten Demonstrationen der Spiele auf. 111920

Wer hinter SMASH steht

Das Projekt ist eine Zusammenarbeit von Forschenden der Universität Hongkong mit dem Embodied-AI-Unternehmen KAI, das in Berichten auch als Chaowei oder Chaowei Motion bezeichnet wird. Das HKU-SMASH-Team wird als junge Forschungsgruppe für verkörperte KI beschrieben. Es besteht zu großen Teilen aus Doktorandinnen und Doktoranden der HKU; Professor Lo Ping wird als betreuender und wissenschaftlicher Leiter genannt. 811

Das Team berichtete, etwa sechs Monate daran gearbeitet zu haben, die Roboter gegen Menschen spielen zu lassen. Anschließend seien ungefähr zwei Wochen in die Vorbereitung des autonomen Duells zweier Roboter geflossen. Diese Zeitangaben beziehen sich auf die berichtete Vorbereitung der Demonstration, nicht auf die gesamte Entwicklung der Tischtennisrobotik des Projekts. Ein genauer Beginn dieser umfassenderen Forschungsarbeit ist in den verfügbaren Quellen nicht belegt. 11

Der praktische Erfolg von SMASH 2.0 ist deshalb enger – und gerade dadurch aussagekräftiger – als manche Schlagzeile vermuten lässt. Das System demonstrierte nach Angaben des Teams erstmals ein vollständiges autonomes Tischtennisduell zwischen zwei humanoiden Robotern. Zugleich zeigte es die nächste Hürde: Wahrnehmung, Flugbahnberechnung, Bewegung und Punktewertung lassen sich bereits in einem Wettkampfformat verbinden. Für wirklich strategisch anpassungsfähige Spieler fehlen jedoch noch zuverlässige Modelle des jeweiligen Gegners und kontinuierliches Lernen während des Spiels.