SMASH 2.0, la partita di ping-pong tra robot umanoidi senza telecomando né assistenza umana

La dimostrazione di SMASH 2.0 è importante perché non mostra soltanto un robot capace di rimandare una pallina: secondo il team dell’Università di Hong Kong e KAI/Chaowei, due robot umanoidi hanno giocato autonomamente una partita completa di ping-pong a 11 punti. Hanno alternato il servizio, osservato e previsto i colpi in arrivo, risposto, attaccato e difeso fino all’assegnazione della vittoria. Non sono stati utilizzati telecomandi, persone incaricate di lanciare le palline o telecamere esterne. 4612

La parola «prima» va però attribuita ai ricercatori: le fonti disponibili riportano la loro rivendicazione, non una verifica indipendente valida per l’intero settore. Il dato meglio documentato è l’ampiezza della prova: una sfida autonoma tra due umanoidi, basata sulla percezione a bordo e su una partita completa. 24

Una partita a 11 punti non equivale a 11 scambi

Nel ping-pong, uno scambio è la sequenza di colpi che termina quando viene assegnato un punto. Una partita completa a 11 punti richiede molto di più: i robot devono servire, ricevere, rimandare la pallina, gestire gli errori, attribuire i punti, cambiare il servizio secondo le regole e continuare finché emerge un vincitore. Undici scambi consecutivi, da soli, non dimostrerebbero queste capacità. 57

La distinzione è rilevante anche dal punto di vista tecnico. Un robot può essere programmato per rispondere a una pallina lanciata in modo prevedibile o in un esercizio collaborativo con un giocatore umano. Due robot che competono devono invece avviare autonomamente il punto, reagire a traiettorie diverse e scegliere azioni offensive o difensive, non limitarsi a mantenere vivo uno scambio dimostrativo. 57

Come SMASH 2.0 trasforma la percezione in movimento

SMASH 2.0 è descritto come un sistema modulare che collega quattro funzioni principali:

1. Percezione: telecamere egocentriche integrate rilevano la pallina e stimano lo stato del robot senza dipendere da un sistema esterno di telecamere. 2
2. Previsione della traiettoria: il sistema calcola la direzione della pallina e anticipa il suo volo e il rimbalzo sul tavolo. 714
3. Pianificazione del movimento e del colpo: sceglie come e dove colpire, adattandosi a traiettorie in arrivo differenti. 714
4. Controllo dell’intero corpo: gambe, busto, braccia e racchetta vengono coordinati per raggiungere la pallina, mantenere l’equilibrio ed eseguire il colpo scelto. 214

Secondo i resoconti, tutto avviene in una finestra decisionale e di controllo dell’ordine dei millisecondi: il robot deve riconoscere la pallina, calcolarne la traiettoria e pianificare il gesto prima del successivo contatto utile. 714 Anche la descrizione accademica di SMASH mette in evidenza l’apprendimento per imitazione orientato al compito per il controllo dei colpi e la percezione integrata per l’interazione in tempo reale. 2

Cosa cambia rispetto a SMASH 1.0

L’aggiornamento a SMASH 2.0 riguarda soprattutto le funzioni necessarie per giocare una partita vera, invece di limitarsi a rispondere a un servizio comodo e prevedibile.

Il servizio autonomo

La versione 2.0 ha aggiunto la possibilità di servire senza intervento umano. I robot possono così iniziare i punti e alternarsi alla battuta secondo il formato della partita. Senza questa funzione, un robot potrebbe partecipare agli scambi ma non gestire autonomamente un incontro dall’inizio alla fine. 58

Un’area di impatto più ampia

Il sistema ha ampliato lo spazio raggiungibile dalla racchetta per gestire palline corte e lunghe. Il team ha riferito di aver utilizzato dati sul movimento umano in simulazione per costruire un repertorio più ampio di gesti e coprire meglio lo spazio operativo del robot. 2

Dalla risposta collaborativa all’attacco

Una partita completa richiede anche di attaccare e difendersi. La descrizione di SMASH 2.0 include diversi tipi di risposta e differenti piazzamenti, rendendo il sistema più orientato alla competizione rispetto a un robot che rimanda semplicemente una pallina sempre uguale. Le fonti disponibili, tuttavia, non dimostrano una versatilità tattica paragonabile a quella umana: la conclusione più solida è che la dimostrazione abbia collegato servizio, percezione, movimento e punteggio in un unico ciclo di gioco. 714

Il limite attuale: strategie preimpostate, non adattamento in partita

Oggi agli operatori possono essere assegnati approcci predefiniti, per esempio un ritmo più rapido o più lento e diversi punti di destinazione. Il team afferma di non aver ancora raggiunto un autentico apprendimento online contro un avversario specifico durante una partita. In pratica, il robot non è ancora in grado di dedurre continuamente le preferenze del rivale e modificare la propria strategia in tempo reale.

Il passo successivo previsto consiste nel conservare i dati delle partite tra robot, compresi gli scambi riusciti e quelli falliti, per utilizzarli in un secondo momento nell’apprendimento per rinforzo su robot fisici. Questo potrebbe portare all’idea di «autoevoluzione» del sistema, ma al momento resta un obiettivo di addestramento futuro, non una capacità dimostrata nella partita descritta.

Come sono stati addestrati i robot

Il team riferisce che i dati di addestramento attuali sono soprattutto di origine umana. Le registrazioni dei movimenti umani sono state utilizzate in simulazione per ampliare l’area dei colpi; la ricerca su SMASH descrive inoltre dimostrazioni catturate con sistemi di motion capture e librerie di movimenti generate come parte dell’apprendimento delle abilità. 2

Resoconti più dettagliati parlano di sessioni quotidiane con allenatori, durate circa uno o due mesi, usando apparecchiature per il motion capture. Il team starebbe inoltre valutando la raccolta dei movimenti senza marcatori, una soluzione potenzialmente più semplice ma con possibili compromessi sulla qualità dei dati. Questo dettaglio va considerato una metodologia riferita dal team: le fonti disponibili non verificano indipendentemente ogni fase del processo. 35

Perché il ping-pong è un banco di prova così difficile

Il ping-pong concentra in tempi brevissimi diversi problemi complessi della robotica. Un umanoide deve seguire una pallina piccola e veloce, prevederne traiettoria e rimbalzo, scegliere una risposta, spostarsi nella posizione corretta, coordinare molti giunti, mantenere l’equilibrio e colpire con precisione. Nel frattempo, l’avversario e l’ambiente cambiano continuamente. 1418

Per questo lo sport è un banco di prova utile per l’intelligenza artificiale incarnata, o embodied AI: il robot deve reagire a condizioni nuove invece di ripetere una sequenza fissa. La logica è simile a quella di altre competizioni robotiche avversariali, comprese le discipline di combattimento: il risultato dipende da reazioni rapide, coordinazione fisica e decisioni prese in risposta a un avversario.

Dalla dimostrazione alla competizione a Pechino

I secondi World Humanoid Robot Games si sono svolti dal 22 al 26 agosto 2026 al National Speed Skating Oval di Pechino, noto come «Ice Ribbon». Il ping-pong ha debuttato come disciplina ufficiale, con 12 squadre partecipanti. 810

Nel complesso, i Giochi hanno riunito 2.056 robot in 666 squadre, impegnati in 51 discipline: un dato generale che non va confuso con il numero di robot iscritti al torneo di ping-pong. La squadra HKU SMASH ha raggiunto la finale, ma ha chiuso al secondo posto dopo la sconfitta per 2-0 contro la formazione PKU-BAAI dell’Università di Pechino e della Beijing Academy of Artificial Intelligence. 110

I robot SMASH hanno partecipato anche a un’esibizione contro l’ex campionessa olimpica di ping-pong Ding Ning. Le fonti identificano Ding Ning come l’avversaria umana chiaramente documentata per il sistema HKU; altri atleti hanno preso parte a dimostrazioni separate durante i Giochi. 111920

Chi ha sviluppato SMASH?

Il progetto è una collaborazione tra ricercatori dell’Università di Hong Kong e KAI, azienda di intelligenza artificiale incarnata indicata in alcuni resoconti anche come Chaowei o Chaowei Motion. La squadra HKU SMASH è descritta come un giovane gruppo di ricerca sull’AI incarnata, guidato da ricercatori e composto in larga parte da dottorandi dell’Università di Hong Kong. Il professor Lo Ping è indicato come supervisore e responsabile scientifico. 811

Il team ha riferito di aver impiegato circa sei mesi per consentire ai robot di giocare contro persone, seguiti da circa metà mese di preparazione per il gioco autonomo tra due robot. Questa tempistica riguarda la preparazione dichiarata per la dimostrazione, non l’intera storia della ricerca sul ping-pong robotico, la cui data di avvio precisa non è stabilita dalle fonti disponibili. 11

Il risultato pratico di SMASH 2.0 è quindi più circoscritto — e più interessante — di quanto suggeriscano i titoli più enfatici: una partita completa tra due umanoidi autonomi, presentata dal team come una prima assoluta. I robot riescono già a collegare percezione, previsione, movimento e punteggio in un formato competitivo; per poter essere definiti giocatori strategicamente adattivi, devono ancora imparare a modellare l’avversario online e a migliorare continuamente durante l’incontro.