SMASH 2.0: robots spelen zonder menselijke hulp een complete tafeltenniswedstrijd

De demonstratie van SMASH 2.0 was meer dan een indrukwekkende rally. Volgens het team van de Universiteit van Hongkong (HKU) en KAI speelden twee humanoïde robots zelfstandig een volledige tafeltennisgame tot 11 punten uit. Ze serveerden om beurten, reageerden op elkaars slagen, maakten punten en speelden door tot er een winnaar was. Daarbij was geen sprake van afstandsbediening, menselijke balaanvoer of externe camera’s. 4612

De claim dat dit de eerste volledig autonome wedstrijd tussen twee humanoïde robots was, komt van de onderzoekers zelf. De beschikbare berichtgeving ondersteunt vooral de reikwijdte van de demonstratie: twee humanoïde robots speelden tegen elkaar in een volledige game, met waarneming via camera’s aan boord en zonder externe camerabewaking. 24

Een game tot 11 punten is iets anders dan 11 rally’s

Een rally is de uitwisseling van één bal totdat een punt wordt beëindigd. Een volledige game tot 11 punten vraagt om veel meer: de robots moeten serveren, ontvangen, terugslaan, omgaan met missers, punten toekennen, de service afwisselen en doorgaan tot de spelregels een winnaar opleveren. Elf keer heen en weer slaan bewijst op zichzelf dus niet dat die hele keten werkt. 57

Dat verschil is technisch belangrijk. Een robot kan in een gecontroleerde oefening een aangegooide bal terugslaan zonder zelfstandig een wedstrijd te kunnen beginnen of afmaken. Twee robots die daadwerkelijk proberen te winnen, moeten bovendien aanvallende en verdedigende keuzes maken in plaats van alleen een voorspelbare oefenrally gaande te houden. 57

Zo sluit SMASH 2.0 de lus tussen waarnemen en handelen

SMASH 2.0 is opgezet als een modulair systeem waarin vier functies samenkomen:

1. Waarneming: camera’s op de robot detecteren de bal en schatten de relevante toestand van de robot, zonder afhankelijk te zijn van een externe cameraopstelling. 2
2. Voorspelling van de balbaan: het systeem berekent waar de bal naartoe beweegt en voorspelt onder meer de vlucht en de stuit. 714
3. Bewegings- en slagplanning: de robot kiest hoe en waar hij de bal wil raken, afhankelijk van de inkomende balbaan. 714
4. Controle van het hele lichaam: benen, romp, armen en batje worden gecoördineerd om de bal te bereiken, het evenwicht te bewaren en de gekozen slag uit te voeren. 214

Volgens de berichtgeving gebeurt dit binnen een tijdsvenster van milliseconden. De robot moet de naderende bal herkennen, de baan berekenen en een slag plannen voordat het volgende speelbare contactmoment voorbij is. 714 Ook de academische beschrijving van SMASH benadrukt taakgerichte imitatie van menselijke bewegingen voor slagcontrole en ingebouwde waarneming voor interactie in real time. 2

Wat is er verbeterd ten opzichte van SMASH 1.0?

De stap van SMASH 1.0 naar 2.0 draaide volgens de beschikbare informatie om functies die nodig zijn voor een echte wedstrijd, en niet alleen voor een handige retouroefening.

Zelfstandig serveren

SMASH 2.0 voegde autonoom serveren toe. Daardoor kunnen de robots zelf een punt beginnen en de service volgens het spelverloop afwisselen. Zonder die mogelijkheid zou een robot wel aan rally’s kunnen deelnemen, maar niet zelfstandig een volledige game van begin tot eind kunnen spelen. 58

Een groter bereik voor slagen

Het systeem werd uitgebreid om zowel korte als langere ballen te kunnen verwerken. Het team gebruikte menselijke bewegingsdata in simulaties om een bredere bibliotheek van slagbewegingen op te bouwen en een groter deel van de bereikbare werkruimte van de robot af te dekken. 2

Niet alleen meespelen, maar ook aanvallen

In een volledige wedstrijd moeten robots kunnen aanvallen en verdedigen. De beschrijving van SMASH 2.0 noemt verschillende soorten returns en balplaatsingen. Daarmee is het systeem meer op een wedstrijd gericht dan een systeem dat slechts een voorspelbare bal terugstuurt. De bronnen bewijzen echter niet dat de robots beschikken over tactische veelzijdigheid op menselijk niveau. De stevigste conclusie is dat autonoom serveren, waarnemen, bewegen en scoren in één wedstrijdlus zijn samengebracht. 714

De huidige grens: vooraf ingestelde strategieën

De robots kunnen momenteel vooraf ingestelde speelwijzen krijgen, bijvoorbeeld sneller of trager spelen of op verschillende plekken mikken. Het team zegt dat echt online leren tegen een specifieke tegenstander tijdens een livewedstrijd nog niet is bereikt. In de praktijk betekent dit dat een robot nog niet voortdurend de voorkeuren van een tegenstander kan afleiden en zijn tactiek daarop kan aanpassen.

De volgende stap is om gegevens uit robot-tegen-robotwedstrijden te bewaren, waaronder geslaagde en mislukte slagen. Die data kunnen later worden gebruikt voor reinforcement learning op echte robots: een trainingsmethode waarbij een systeem door veel proberen en feedback leert. Dat zou uiteindelijk kunnen leiden tot de door het team genoemde ‘zelfevolutie’, maar het is nog een toekomstig trainingsdoel en geen aangetoonde eigenschap van de gerapporteerde wedstrijd.

Hoe zijn de robots getraind?

Volgens het team bestaat de huidige trainingsdata vooral uit menselijke data. Opnames van menselijke bewegingen werden in simulaties gebruikt om het slagbereik van de robots te vergroten. Het SMASH-onderzoek beschrijft daarnaast motion-capture-demonstraties en gegenereerde bewegingsbibliotheken als onderdelen van de methode om vaardigheden aan te leren. 2

Meer gedetailleerde berichtgeving spreekt over dagelijkse coachingssessies van ongeveer één tot twee maanden, waarbij coaches apparatuur voor bewegingsregistratie droegen. Het team onderzoekt ook bewegingsregistratie zonder markers, hoewel dat mogelijk ten koste gaat van de datakwaliteit. Deze details moeten worden beschouwd als een door het team beschreven werkwijze; de beschikbare bronnen verifiëren niet onafhankelijk elk onderdeel ervan. 35

Waarom tafeltennis zo’n zware robotproef is

Tafeltennis perst meerdere moeilijke robotica-uitdagingen samen in een zeer kort tijdsbestek. Een humanoïde robot moet een kleine, snel bewegende bal volgen, de vlucht en stuit voorspellen, een reactie kiezen, naar de juiste positie bewegen, veel gewrichten tegelijk coördineren, zijn evenwicht bewaren en gecontroleerd contact maken. Ondertussen veranderen de tegenstander en de fysieke omstandigheden voortdurend. 1418

Daarom geldt tafeltennis als een bruikbare, adversariële test voor embodied AI — kunstmatige intelligentie die in een fysiek lichaam handelt. Succes hangt af van reageren op nieuwe situaties, niet van het afspelen van een vast script. In die zin past de sport naast andere formele robotwedstrijden, waaronder gevechtsevenementen: ook daar zijn snelle reacties, fysieke coördinatie en beslissingen tegenover een tegenstander vereist.

Van demonstratie naar wedstrijd in Beijing

De tweede World Humanoid Robot Games vonden van 22 tot en met 26 augustus 2026 plaats in het National Speed Skating Oval in Beijing, beter bekend als de ‘Ice Ribbon’. Tafeltennis stond daar voor het eerst officieel op het programma en trok 12 teams. 810

Aan de volledige Spelen deden 2.056 robots mee, verdeeld over 666 teams en 51 disciplines. Dat totaalcijfer moet niet worden verward met het aantal robots in het tafeltennistoernooi. Het HKU SMASH-team bereikte uiteindelijk de finale, maar verloor met 0–2 van het gezamenlijke PKU–BAAI-team en eindigde als tweede. 110

De SMASH-robots verschenen ook in een demonstratiewedstrijd tegen de voormalige olympisch tafeltenniskampioene Ding Ning. Zij is de duidelijk gedocumenteerde menselijke tegenstander van het HKU-systeem; andere sporters waren volgens de berichtgeving betrokken bij afzonderlijke demonstraties tijdens de Spelen. 111920

Wie zit er achter SMASH?

Het project is een samenwerking tussen onderzoekers van de Universiteit van Hongkong en het embodied-AI-bedrijf KAI, dat in berichtgeving ook wordt aangeduid als Chaowei of Chaowei Motion. Het HKU SMASH-team wordt beschreven als een jonge onderzoeksgroep op het gebied van embodied AI, met veel promovendi van de Universiteit van Hongkong. Professor Lo Ping wordt genoemd als begeleider en onderzoeksleider. 811

Het team zegt ongeveer zes maanden te hebben gewerkt aan het spelen tegen mensen. Daarna volgde ongeveer een halve maand voorbereiding om twee robots zelfstandig tegen elkaar te laten spelen. Die tijdlijn gaat over de voorbereiding op de demonstratie, niet over de volledige geschiedenis van het tafeltennisrobotica-onderzoek; een precieze startdatum daarvan is in de beschikbare bronnen niet vastgesteld. 11

De praktische betekenis van SMASH 2.0 is daarmee tegelijk bescheidener en interessanter dan de grootste koppen suggereren. Het systeem demonstreerde volgens zijn makers een eerste volledige autonome tafeltennisgame tussen twee humanoïde robots. Tegelijk liet de demonstratie zien wat nog ontbreekt: betrouwbare modellering van een tegenstander tijdens de wedstrijd en voortdurende aanpassing. De robots kunnen waarneming, voorspelling, beweging en puntentelling inmiddels verbinden in een competitief format — maar zijn nog geen strategisch lerende spelers.