Как два гуманоидных робота самостоятельно сыграли партию до 11 очков

Команда Университета Гонконга и исследовательской компании KAI, которую в публикациях также называют Chaowei Motion, продемонстрировала систему SMASH 2.0: два гуманоидных робота самостоятельно сыграли полноценную партию в настольный теннис до 11 очков. Они по очереди подавали, отслеживали прилетающий мяч, выбирали ответный удар, набирали очки и довели игру до победы одного из роботов. В демонстрации не использовались дистанционное управление, человек, подающий мячи, или внешние камеры. 4612

Формулировку «первый случай» корректнее воспринимать как заявление исследовательской команды, а не как независимо подтверждённый отраслевой рекорд. При этом источники подтверждают масштаб эксперимента: автономную игру двух гуманоидов друг против друга с использованием бортового восприятия и формата полноценной партии. 24

Полная партия — это не 11 обменов ударами

В настольном теннисе розыгрыш продолжается от подачи до момента, когда один из игроков ошибается или выигрывает очко. Полноценная партия до 11 очков требует гораздо большего, чем просто удерживать мяч в игре: роботы должны самостоятельно подавать и принимать, реагировать на промахи, определять, кому досталось очко, менять подающего и продолжать матч до появления победителя. Поэтому 11 удачных обменов ударами сами по себе ещё не означали бы завершённую партию. 57

Это важное техническое различие. Робота можно научить возвращать мяч в удобном тренировочном упражнении или отвечать на подачи человека. Но для самостоятельного матча ему нужно уметь запустить игру, пережить ошибки и действовать в условиях, где соперник тоже пытается набрать очко. Два робота, играющих на победу, должны не просто поддерживать обмен, а сочетать атакующие и защитные действия. 57

Как SMASH 2.0 замыкает цикл от восприятия до удара

SMASH 2.0 описывается как модульная система, объединяющая четыре ключевые функции:

1. Восприятие. Бортовые камеры, установленные на самом роботе, обнаруживают мяч и оценивают состояние робота. Внешняя камера для работы системы не требуется. 2
2. Прогнозирование траектории. Алгоритмы рассчитывают направление полёта мяча и заранее оценивают его возможную точку приземления и отскок. 714
3. Планирование движения и удара. Система выбирает, как именно отбить мяч и куда его направить, учитывая разные траектории подачи соперника. 714
4. Управление всем телом. Ноги, корпус, руки и ракетка координируются так, чтобы робот успел занять позицию, сохранить равновесие и выполнить выбранный удар. 214

По описанию команды и публикациям, на распознавание мяча, расчёт траектории и планирование удара остаётся окно порядка миллисекунд — до следующего удобного контакта с мячом. Академическая работа о SMASH также подчёркивает обучение ударам с учётом конкретной задачи и использование бортового восприятия для взаимодействия в реальном времени. 2714

Что изменилось по сравнению с SMASH 1.0

Переход к версии 2.0 был связан не столько с эффектной демонстрацией отдельных ударов, сколько с функциями, необходимыми для настоящей партии.

Роботы научились подавать самостоятельно

SMASH 2.0 получил автономную подачу. Благодаря этому роботы могут сами начинать розыгрыши и менять подающего в соответствии с форматом игры. Без такой возможности робот способен участвовать в обмене ударами, но не может самостоятельно провести матч от первой подачи до финального очка. 58

Расширилась зона доступных ударов

Система стала обрабатывать более широкий диапазон прилетающих мячей — в том числе короткие и длинные подачи. Команда использовала данные о движениях человека в симуляции, чтобы сформировать более разнообразную библиотеку ударов и расширить рабочее пространство робота. 2

Появилась ориентация на матч, а не на дружеский обмен

В полноценной игре роботы должны атаковать и защищаться. Описание SMASH 2.0 включает разные варианты возврата мяча и выбор точек его направления, что делает систему более пригодной для матча, чем решение, просто возвращающее предсказуемую подачу. Однако доступные источники не доказывают наличие у роботов тактической гибкости на уровне человека. Более осторожный вывод таков: демонстрация объединила автономную подачу, восприятие, движение и подсчёт очков в единый игровой цикл. 714

Главный предел сегодня: заданная стратегия вместо обучения на лету

Роботам можно заранее назначить разные стили игры: например, более быстрый или более медленный темп, а также различные направления ударов. Но команда сообщила, что пока не научила систему по-настоящему изучать конкретного соперника прямо во время матча. Иными словами, робот ещё не умеет постоянно выявлять предпочтения противника и тут же менять тактику.

Следующий шаг — сохранять данные матчей роботов друг с другом, включая удачные и неудачные розыгрыши, а затем использовать их для обучения с подкреплением на реальных роботах. В будущем это может привести к описанной командой «самоэволюции» системы, но пока остаётся планом дальнейших исследований, а не продемонстрированной возможностью SMASH 2.0.

Как роботов обучали

По словам команды, основной массив нынешних тренировочных данных получен от людей. Записи человеческих движений использовались в симуляции, чтобы расширить диапазон ударов робота. Академическое описание SMASH также упоминает демонстрации, записанные с помощью систем захвата движений, и генерацию библиотек движений для обучения навыкам. 2

Более подробные публикации говорят о ежедневных тренировках с тренерами на протяжении примерно одного-двух месяцев, причём специалисты носили оборудование для захвата движений. Команда также проявляет интерес к безмаркерному сбору данных — без специальных датчиков и маркеров на теле, хотя такой подход может ухудшить качество записей. Эти сведения следует считать описанием методики со стороны команды: доступные источники независимо не подтверждают каждую деталь процесса. 35

Почему настольный теннис — сложный тест для гуманоидов

Настольный теннис за доли секунды объединяет несколько трудных задач робототехники. Гуманоид должен отследить небольшой быстро летящий мяч, оценить его траекторию и отскок, выбрать ответ, переместиться к нужной точке, скоординировать множество суставов, удержать равновесие и точно попасть по мячу. При этом соперник и условия розыгрыша постоянно меняются. 1418

Поэтому настольный теннис рассматривают как полезный состязательный тест воплощённого искусственного интеллекта — систем, которые воспринимают окружающий мир и действуют в нём физически. В этом смысле он сопоставим с другими формальными соревнованиями роботов, включая боевые дисциплины: успех зависит от быстрой реакции, координации и решений в ответ на действия противника, а не от простого воспроизведения заранее записанной последовательности.

От демонстрации к соревнованиям в Пекине

Вторые Всемирные игры гуманоидных роботов прошли с 22 по 26 августа 2026 года на Национальном конькобежном овале в Пекине, известном как «Ледяная лента» (Ice Ribbon). Настольный теннис впервые вошёл в программу как официальный соревновательный вид, а в турнире участвовали 12 команд. 810

Всего на Игры заявили 2 056 роботов в составе 666 команд из 16 стран и шести континентов; они соревновались в 51 дисциплине. Эти общие цифры не следует путать с числом роботов в турнире по настольному теннису. Команда HKU SMASH дошла до финала, где уступила со счётом 0:2 объединённой команде Пекинского университета и Пекинской академии искусственного интеллекта (PKU–BAAI), завоевав серебряные медали. 110

Роботы SMASH также участвовали в показательном матче с олимпийской чемпионкой по настольному теннису Дин Нин. Именно Дин Нин называют надёжно подтверждённой соперницей человека для системы HKU; другие спортсмены выступали в отдельных демонстрациях на Играх. 111920

Кто создал SMASH

Проект объединяет исследователей Университета Гонконга и компанию KAI, также упоминаемую в источниках как Chaowei или Chaowei Motion. Команду HKU SMASH описывают как молодую группу, специализирующуюся на алгоритмах воплощённого ИИ. В её составе преимущественно докторанты Университета Гонконга; профессора Ло Пин упоминают как научного руководителя и руководителя исследования. 811

Команда сообщила, что потратила около шести месяцев на то, чтобы научить роботов играть с людьми, а затем ещё примерно полмесяца — на подготовку двух роботов к автономной игре друг против друга. Этот срок относится к подготовке описанной демонстрации, а не ко всей истории разработки роботизированного настольного тенниса: точная дата начала проекта в доступных источниках не установлена. 11

Практическое достижение SMASH 2.0 поэтому точнее и полезнее самых громких заголовков: команда заявила о первой полноценной автономной партии двух гуманоидных роботов, сыгранной до 11 очков. Система уже умеет связать восприятие, прогнозирование, движение и подсчёт очков в состязательном формате. Следующий рубеж — надёжное моделирование соперника и непрерывное обучение во время игры.