Dua Robot Humanoid SMASH 2.0 Lengkapkan Permainan Pingpong 11 Mata Secara Autonomi

Dua robot humanoid daripada pasukan kerjasama Universiti Hong Kong (HKU) dan KAI/Chaowei dilaporkan berjaya bermain satu permainan pingpong penuh hingga 11 mata secara autonomi. Kedua-duanya melakukan servis secara bergilir, mengesan bola yang datang, bergerak ke posisi, membalas pukulan serta mengumpul mata sehingga salah satu robot muncul sebagai pemenang. Demonstrasi itu tidak menggunakan kawalan jauh, manusia untuk memberi bola atau kamera luaran. 4612

Namun, dakwaan “yang pertama” wajar difahami sebagai tuntutan pihak penyelidik, bukannya penemuan industri yang telah disahkan secara bebas. Apa yang disokong oleh laporan tersedia ialah skop demonstrasi tersebut: permainan penuh antara dua robot humanoid menggunakan sistem penglihatan terbina dalam dan format perlawanan sebenar. 24

Permainan 11 mata bukan sekadar 11 rally

Dalam pingpong, rally ialah pertukaran bola yang berterusan sehingga satu mata tamat. Sebaliknya, satu permainan 11 mata memerlukan robot mengurus keseluruhan pertandingan — termasuk melakukan servis, menerima servis, membalas bola, menangani kesilapan, menentukan mata, menukar giliran servis dan meneruskan permainan sehingga wujud pemenang. Sebelas pertukaran bola yang berjaya tidak dengan sendirinya membuktikan semua keupayaan ini. 57

Perbezaan ini penting dari sudut kejuruteraan. Robot mungkin boleh membalas bola dalam latihan yang dipermudah atau apabila bola dihantar oleh manusia, tetapi itu tidak bermakna ia mampu memulakan dan menamatkan perlawanan secara autonomi. Dua robot yang bermain untuk menang juga perlu menyerang dan bertahan, bukannya sekadar mengekalkan rally secara bekerjasama. 57

Bagaimana SMASH 2.0 menghubungkan penglihatan dengan tindakan

SMASH 2.0 diterangkan sebagai sistem modular yang menyatukan empat fungsi utama:

1. Persepsi: Kamera egosentrik pada robot mengesan bola dan menganggarkan keadaan robot sendiri tanpa bergantung pada susunan kamera luaran. 2
2. Ramalan trajektori: Sistem mengira arah pergerakan bola serta menjangka penerbangan dan lantunannya. 714
3. Perancangan gerakan dan pukulan: Robot memilih cara dan lokasi untuk memukul bola berdasarkan trajektori yang diterima, termasuk menentukan tindak balas terhadap bola pendek atau bola panjang. 714
4. Kawalan seluruh badan: Kaki, badan, lengan dan raket diselaraskan supaya robot dapat mencapai bola, mengekalkan keseimbangan dan melaksanakan pukulan yang dipilih. 214

Laporan menyebut bahawa semua ini berlaku dalam jangka masa tindak balas berskala milisaat. Robot perlu mengenal pasti bola yang datang, mengira trajektorinya dan merancang pukulan sebelum sentuhan seterusnya boleh dilakukan. 714 Huraian akademik mengenai SMASH turut menekankan pembelajaran imitasi yang disesuaikan dengan tugasan untuk mengawal pukulan, serta persepsi terbina dalam bagi interaksi masa nyata. 2

Apa yang berubah daripada SMASH 1.0?

Peningkatan daripada SMASH 1.0 tertumpu pada keupayaan yang diperlukan untuk bermain perlawanan sebenar, bukan sekadar latihan membalas bola yang mudah dijangka.

Robot boleh melakukan servis sendiri

SMASH 2.0 menambah keupayaan servis autonomi. Ini membolehkan robot memulakan mata dan menukar giliran servis mengikut format permainan. Tanpa fungsi tersebut, robot mungkin boleh menyertai rally, tetapi tidak boleh menjalankan satu perlawanan penuh secara bebas dari awal hingga akhir. 58

Julat pukulan yang lebih luas

Sistem ini turut meluaskan ruang capaian pukulan robot supaya dapat menangani bola pendek dan bola panjang. Pasukan itu berkata mereka menggunakan data pergerakan manusia dalam simulasi untuk membina perpustakaan gerakan pukulan yang lebih luas serta meningkatkan liputan ruang kerja robot. 2

Daripada membalas kepada menyerang dan bertahan

Perlawanan lengkap memerlukan lebih daripada balasan yang bersifat bekerjasama. Robot perlu membuat pilihan serangan dan pertahanan, termasuk mengubah jenis pukulan serta sasaran bola. Ini menjadikan sistem tersebut lebih hampir kepada permainan sebenar berbanding sistem yang hanya membalas hantaran bola secara berulang.

Bagaimanapun, sumber tersedia belum membuktikan bahawa robot itu memiliki kepelbagaian taktikal pada tahap pemain manusia. Kesimpulan yang lebih kukuh ialah demonstrasi tersebut berjaya menghubungkan servis autonomi, persepsi, pergerakan dan pemarkahan dalam satu gelung permainan. 714

Had semasa: strategi dipratetap, bukan penyesuaian masa nyata

Buat masa ini, robot boleh diberikan pendekatan yang telah ditetapkan, seperti gaya permainan lebih pantas atau lebih perlahan dan sasaran bola yang berbeza. Pasukan itu berkata robot masih belum mampu melakukan pembelajaran dalam talian terhadap lawan tertentu ketika perlawanan sedang berlangsung. Dalam erti kata praktikal, robot belum boleh terus-menerus mengenal pasti kecenderungan lawan dan mengubah strategi secara spontan.

Langkah seterusnya yang dicadangkan ialah menyimpan data daripada perlawanan robot menentang robot, termasuk rally yang berjaya dan gagal. Data itu kemudiannya boleh digunakan untuk latihan pengukuhan pada robot sebenar. Pendekatan tersebut mungkin menyokong idea “evolusi kendiri” robot pada masa hadapan, tetapi ia masih merupakan matlamat latihan dan belum menjadi keupayaan yang dibuktikan dalam perlawanan yang dilaporkan.

Bagaimana robot ini dilatih?

Pasukan berkenaan melaporkan bahawa data latihan semasa mereka kebanyakannya datang daripada manusia. Rakaman gerakan manusia digunakan dalam simulasi untuk memperluas julat pukulan robot, manakala kajian SMASH menerangkan penggunaan demonstrasi tangkapan gerakan dan perpustakaan gerakan yang dijana bagi mempelajari kemahiran tersebut. 2

Laporan yang lebih terperinci menyebut sesi bimbingan harian selama kira-kira satu hingga dua bulan, dengan jurulatih memakai peralatan tangkapan gerakan. Pasukan itu juga berminat menggunakan pengumpulan gerakan tanpa penanda, walaupun kaedah tersebut mungkin melibatkan kompromi dari segi kualiti data. Butiran ini wajar dianggap sebagai kaedah yang dilaporkan oleh pasukan sendiri kerana sumber tersedia tidak mengesahkan setiap bahagian proses itu secara bebas. 35

Mengapa pingpong menjadi ujian sukar untuk robot humanoid?

Pingpong menghimpunkan beberapa masalah robotik yang mencabar dalam tempoh yang sangat singkat. Robot perlu menjejaki bola kecil yang bergerak pantas, meramalkan arah dan lantunannya, memilih tindak balas, bergerak ke posisi, menyelaraskan banyak sendi, mengekalkan keseimbangan dan membuat sentuhan terkawal dengan raket. Pada masa yang sama, lawan dan keadaan fizikal di sekelilingnya sentiasa berubah. 1418

Sebab itu pingpong berguna sebagai ujian adversarial bagi AI berjasad — iaitu AI yang perlu bertindak melalui tubuh fizikal, bukan sekadar menghasilkan keputusan dalam perisian. Kejayaan bergantung pada tindak balas terhadap keadaan baharu, bukan mengulang urutan yang telah diprogramkan. Dalam hal ini, pingpong boleh dibandingkan dengan cabaran sukan robot lain seperti acara tempur, kerana kedua-duanya memerlukan reaksi pantas, koordinasi fizikal dan keputusan berdasarkan tindakan lawan.

Daripada demonstrasi kepada pertandingan di Beijing

Sukan Robot Humanoid Dunia edisi kedua berlangsung di Stadium Luncur Laju Kebangsaan Beijing, yang dikenali sebagai “Ice Ribbon”, dari 22 hingga 26 Ogos 2026. Pingpong diperkenalkan buat kali pertama sebagai acara pertandingan rasmi, dengan 12 pasukan mengambil bahagian. 810

Secara keseluruhan, temasya itu menghimpunkan 2,056 robot daripada 666 pasukan dalam 51 disiplin. Angka keseluruhan ini tidak sepatutnya disamakan dengan jumlah robot yang menyertai acara pingpong. Pasukan HKU SMASH akhirnya mara ke final pingpong sebelum tewas 0–2 kepada pasukan gabungan PKU–BAAI, sekali gus meraih tempat kedua. 110

Robot SMASH turut muncul dalam demonstrasi menentang manusia yang melibatkan Ding Ning, juara pingpong Olimpik. Laporan yang tersedia mengenal pasti Ding Ning sebagai lawan manusia yang didokumentasikan dengan jelas untuk sistem HKU; atlet lain pula muncul dalam demonstrasi berasingan pada temasya tersebut. 111920

Siapa di sebalik SMASH?

Projek ini merupakan kerjasama antara penyelidik Universiti Hong Kong dan syarikat AI berjasad KAI, yang turut disebut dalam laporan sebagai Chaowei atau Chaowei Motion. Pasukan HKU SMASH digambarkan sebagai kumpulan penyelidikan AI berjasad yang masih muda, diketuai penyelidik dan sebahagian besarnya terdiri daripada pelajar doktor falsafah HKU. Profesor Lo Ping dikenal pasti sebagai penyelia serta pemimpin penyelidikan pasukan. 811

Pasukan itu melaporkan bahawa mereka mengambil masa kira-kira enam bulan untuk membolehkan robot bermain menentang manusia, diikuti sekitar setengah bulan untuk menyediakan dua robot bermain secara autonomi antara satu sama lain. Tempoh ini merujuk kepada persediaan yang dilaporkan bagi demonstrasi tersebut, bukan keseluruhan sejarah penyelidikan robot pingpong, yang tarikh permulaannya tidak dapat dipastikan daripada sumber tersedia. 11

Jadi, pencapaian praktikal SMASH 2.0 sebenarnya lebih khusus — dan lebih berguna — daripada tajuk berita paling besar. Ia menunjukkan dakwaan pertama tentang permainan pingpong penuh antara dua robot humanoid secara autonomi, sambil mendedahkan cabaran seterusnya: robot itu sudah boleh menghubungkan persepsi, ramalan, pergerakan dan pemarkahan dalam format pertandingan, tetapi masih memerlukan pemodelan lawan secara masa nyata serta pembelajaran berterusan sebelum boleh dianggap sebagai pemain yang benar-benar menyesuaikan strategi.