SMASH 2.0: เมื่อหุ่นยนต์ฮิวแมนนอยด์ 2 ตัวเสิร์ฟ โต้ และแข่งปิงปองกันเองจนรู้ผล

สิ่งที่ทีมมหาวิทยาลัยฮ่องกง (HKU) ร่วมกับ KAI หรือ Chaowei Motion นำเสนอ ไม่ใช่แค่คลิปหุ่นยนต์โต้ลูกได้ต่อเนื่อง แต่คือการเล่นเกมปิงปองแบบ 11 แต้มจนจบและมีผู้ชนะ โดยหุ่นยนต์ทั้งสองตัวสลับกันเสิร์ฟ รับลูก โต้กลับ ทำเกมรุก ตั้งรับ และสะสมคะแนนด้วยตัวเอง

การสาธิตดังกล่าวไม่มีการควบคุมจากระยะไกล ไม่มีคนป้อนลูก และไม่ใช้ชุดกล้องภายนอก หุ่นยนต์อาศัยการรับรู้จากกล้องที่ติดตั้งบนตัวเองเป็นหลัก 4612

อย่างไรก็ตาม คำว่า “ครั้งแรก” ควรเข้าใจว่าเป็นคำกล่าวอ้างของทีมวิจัย ไม่ใช่ข้อสรุปที่มีการยืนยันอย่างเป็นอิสระทั่วทั้งอุตสาหกรรม สิ่งที่แหล่งข่าวรองรับได้ชัดเจนคือขอบเขตของการสาธิต: การแข่งขันระหว่างหุ่นยนต์ฮิวแมนนอยด์ 2 ตัวในรูปแบบเกมเต็มรูปแบบ โดยใช้การรับรู้จากอุปกรณ์บนตัวหุ่นยนต์ 24

เกม 11 แต้มเต็มรูปแบบ ต่างจากโต้กัน 11 ครั้งอย่างไร

“การโต้ลูก” หรือ rally คือการตีโต้กันของลูกหนึ่งลูกตั้งแต่เริ่มจนจบแต้ม ส่วน “เกม 11 แต้มเต็มรูปแบบ” ต้องดำเนินไปตามโครงสร้างของการแข่งขันจริง ได้แก่ การเสิร์ฟ การรับเสิร์ฟ การตีคืน การจัดการเมื่อตีไม่โดนหรือทำลูกเสีย การนับคะแนน การเปลี่ยนสิทธิ์เสิร์ฟ และการเล่นต่อจนมีผู้ชนะ 57

ดังนั้น การโต้ลูกสำเร็จติดต่อกัน 11 ครั้งยังไม่เพียงพอจะเรียกว่าเล่นเกมครบ 11 แต้ม หุ่นยนต์อาจทำได้เพียงตอบสนองต่อการป้อนลูกที่คาดเดาได้ หรือเล่นในสถานการณ์ที่มีคนคอยควบคุมอยู่เบื้องหลัง แต่ยังไม่สามารถเริ่มและจบการแข่งขันได้ด้วยตัวเอง

ยิ่งไปกว่านั้น การแข่งกันระหว่างหุ่นยนต์ 2 ตัวที่ต่างต้องการทำคะแนน จำเป็นต้องมีทั้งการบุกและการตั้งรับ ไม่ใช่เพียงช่วยกันประคองลูกให้อยู่ในการสาธิตเดียวกัน 57

SMASH 2.0 ปิดวงจรจาก “มองเห็น” สู่ “ลงมือทำ”

SMASH 2.0 เป็นระบบแบบแยกโมดูลที่เชื่อมความสามารถสำคัญ 4 ส่วนเข้าด้วยกัน

1. การรับรู้: กล้องมุมมองจากตัวหุ่นยนต์ หรือ egocentric cameras ตรวจจับลูกปิงปองและประเมินสถานะที่เกี่ยวข้องของหุ่นยนต์ โดยไม่ต้องพึ่งชุดกล้องภายนอก 2
2. การคาดการณ์วิถีลูก: ระบบคำนวณทิศทางการเคลื่อนที่ของลูก รวมถึงคาดการณ์เส้นทางการลอยและจุดกระดอน 714
3. การวางแผนการเคลื่อนไหวและการตี: ระบบเลือกว่าจะตีลูกอย่างไรและไปยังจุดใด พร้อมรับมือกับลูกที่เข้ามาจากหลายทิศทางและหลายความเร็ว 714
4. การควบคุมร่างกายทั้งตัว: ขา ลำตัว แขน และไม้ปิงปองต้องทำงานประสานกัน เพื่อให้หุ่นยนต์เคลื่อนถึงลูก รักษาสมดุล และตีตามแผนที่เลือกไว้ 214

รายงานหลายแห่งอธิบายว่า ทั้งหมดนี้ต้องเกิดขึ้นภายในกรอบเวลาระดับมิลลิวินาที หุ่นยนต์ต้องระบุลูกที่กำลังพุ่งเข้ามา คำนวณวิถี และวางแผนการตีให้เสร็จก่อนถึงจังหวะสัมผัสลูกครั้งถัดไป 714

งานวิจัยของ SMASH ยังเน้นการเรียนรู้เลียนแบบที่ออกแบบให้สอดคล้องกับงานตีลูก และการใช้การรับรู้จากกล้องบนตัวหุ่นยนต์เพื่อโต้ตอบแบบเรียลไทม์ 2

จาก SMASH 1.0 สู่ 2.0: เติมความสามารถที่จำเป็นต่อเกมจริง

การอัปเกรดจาก SMASH 1.0 มุ่งไปที่ความสามารถซึ่งจำเป็นต่อการเล่นแมตช์จริง มากกว่าการฝึกตีคืนลูกแบบที่อีกฝ่ายป้อนมาให้

1. เสิร์ฟเองได้

SMASH 2.0 เพิ่มความสามารถในการเสิร์ฟอัตโนมัติ ทำให้หุ่นยนต์เริ่มต้นแต้มและสลับกันเสิร์ฟตามรูปแบบการแข่งขันได้ หากไม่มีความสามารถนี้ หุ่นยนต์อาจโต้ลูกได้ แต่ยังไม่สามารถจัดการแข่งขันครบตั้งแต่ต้นจนจบด้วยตัวเอง 58

2. รับลูกสั้นและลูกยาวได้กว้างขึ้น

ระบบขยายพื้นที่ที่หุ่นยนต์เอื้อมไปตีได้ เพื่อรับมือทั้งลูกสั้นและลูกยาว ทีมระบุว่าได้นำข้อมูลการเคลื่อนไหวของมนุษย์ไปใช้ในการฝึกในสภาพแวดล้อมจำลอง ช่วยสร้างคลังท่าตีที่ครอบคลุมพื้นที่การเคลื่อนไหวของหุ่นยนต์มากขึ้น 2

3. จากการโต้แบบร่วมมือ สู่เกมรุกและเกมรับ

แมตช์เต็มรูปแบบต้องการมากกว่าการตีคืนลูกที่คาดเดาได้ รายละเอียดของ SMASH 2.0 ระบุถึงรูปแบบการตีคืนและการเลือกเป้าหมายที่หลากหลายขึ้น ทำให้ระบบเข้าใกล้การเล่นเป็นแมตช์มากกว่าการรักษาระยะโต้ลูกแบบร่วมมือ

ถึงกระนั้น แหล่งข้อมูลที่มีอยู่ยังไม่เพียงพอจะสรุปว่าหุ่นยนต์มีความหลากหลายเชิงแท็กติกเทียบเท่านักกีฬามนุษย์ ข้อสรุปที่รัดกุมกว่าคือ การสาธิตนี้เชื่อมการเสิร์ฟอัตโนมัติ การรับรู้ การเคลื่อนไหว และการนับคะแนนเข้าเป็นวงจรเกมเดียวกัน 714

ข้อจำกัดสำคัญ: ตั้งกลยุทธ์ได้ แต่ยังปรับตัวสด ๆ ไม่ได้

ปัจจุบันทีมสามารถกำหนดแนวทางการเล่นไว้ล่วงหน้า เช่น เล่นเร็วหรือช้าลง และเลือกตำแหน่งเป้าหมายที่แตกต่างกัน แต่ทีมระบุว่ายังไม่สามารถทำให้หุ่นยนต์เรียนรู้คู่แข่งแบบออนไลน์ระหว่างการแข่งขันได้

ในทางปฏิบัติ หุ่นยนต์จึงยังไม่สามารถสังเกตแนวโน้มของคู่แข่งรายหนึ่งอย่างต่อเนื่อง แล้วปรับแผนการเล่นทันทีระหว่างเกมได้

ขั้นต่อไปคือการเก็บข้อมูลจากเกมที่หุ่นยนต์เล่นกันเอง ทั้งจังหวะที่สำเร็จและล้มเหลว เพื่อนำไปใช้กับการเรียนรู้แบบเสริมกำลังบนหุ่นยนต์จริง หรือ real-robot reinforcement learning แนวทางนี้อาจนำไปสู่สิ่งที่ทีมเรียกว่า “การพัฒนาตัวเอง” ของหุ่นยนต์ในอนาคต แต่ยังเป็นเป้าหมายการฝึก ไม่ใช่ความสามารถที่พิสูจน์แล้วจากแมตช์ที่รายงาน

ทีมฝึกหุ่นยนต์อย่างไร

ทีมระบุว่าข้อมูลฝึกในปัจจุบันมาจากมนุษย์เป็นหลัก โดยใช้การบันทึกการเคลื่อนไหวของมนุษย์ในสภาพแวดล้อมจำลอง เพื่อขยายขอบเขตการตีของหุ่นยนต์ ขณะที่งานวิจัย SMASH กล่าวถึงการใช้ข้อมูลจาก motion capture และคลังการเคลื่อนไหวที่สร้างขึ้นเพื่อเรียนรู้ทักษะ 2

รายงานที่ลงรายละเอียดมากขึ้นระบุว่า ทีมฝึกกับโค้ชเป็นประจำทุกวันเป็นเวลาประมาณ 1–2 เดือน โดยใช้อุปกรณ์บันทึกการเคลื่อนไหว และกำลังสนใจการเก็บข้อมูลแบบไม่ต้องติดมาร์กเกอร์ แม้ว่าวิธีดังกล่าวอาจมีข้อแลกเปลี่ยนด้านคุณภาพข้อมูล รายละเอียดนี้ควรถือเป็นวิธีการที่ทีมรายงานเอง เนื่องจากแหล่งข้อมูลที่มีอยู่ไม่ได้ยืนยันทุกขั้นตอนอย่างเป็นอิสระ 35

ทำไมปิงปองจึงเป็นบททดสอบที่ยากสำหรับหุ่นยนต์ฮิวแมนนอยด์

ปิงปองบีบปัญหาหลายด้านของวิทยาการหุ่นยนต์ให้เกิดขึ้นในเวลาอันสั้น หุ่นยนต์ต้องติดตามลูกขนาดเล็กที่เคลื่อนที่เร็ว คาดการณ์วิถีและจุดกระดอน เลือกวิธีตอบสนอง เคลื่อนตัวเข้าหาตำแหน่งที่เหมาะสม ประสานข้อต่อหลายส่วน รักษาสมดุล และสัมผัสลูกอย่างแม่นยำ ขณะที่คู่แข่งและสภาพแวดล้อมเปลี่ยนแปลงอยู่ตลอดเวลา 1418

นี่ทำให้ปิงปองเป็นบททดสอบแบบเผชิญหน้าที่มีประโยชน์สำหรับ embodied AI หรือปัญญาประดิษฐ์ที่ต้องรับรู้และลงมือทำในโลกจริง ความสำเร็จไม่ได้มาจากการเล่นตามลำดับคำสั่งตายตัวเท่านั้น แต่ต้องตอบสนองต่อเงื่อนไขใหม่ ๆ และคู่แข่งที่เปลี่ยนรูปแบบการเล่น

ในแง่นี้ ปิงปองจึงถูกพูดถึงควบคู่กับการแข่งขันหุ่นยนต์เชิงต่อสู้อย่างคิกบ็อกซิ่ง เพราะทั้งสองประเภทต้องอาศัยปฏิกิริยาที่รวดเร็ว การประสานงานทางกายภาพ และการตัดสินใจที่เกิดขึ้นตามการเคลื่อนไหวของฝ่ายตรงข้าม

จากการสาธิตสู่สนามแข่งที่ปักกิ่ง

การแข่งขัน World Humanoid Robot Games ครั้งที่ 2 จัดขึ้นที่สนามสเก็ตความเร็วแห่งชาติกรุงปักกิ่ง หรือ “ไอซ์ ริบบอน” ระหว่างวันที่ 22–26 สิงหาคม 2026 โดยปิงปองถูกเพิ่มเป็นหนึ่งในประเภทการแข่งขันอย่างเป็นทางการเป็นครั้งแรก และมี 12 ทีมเข้าร่วม 810

การแข่งขันทั้งหมดมีหุ่นยนต์ 2,056 ตัวจาก 666 ทีมใน 51 รายการ แต่ตัวเลขรวมนี้ไม่ควรนำไปตีความว่าเป็นจำนวนหุ่นยนต์ที่ลงแข่งปิงปองโดยตรง

ทีม HKU SMASH ผ่านเข้าสู่รอบชิงชนะเลิศ ก่อนแพ้ทีมร่วมมหาวิทยาลัยปักกิ่งและสถาบัน Beijing Academy of Artificial Intelligence หรือ PKU–BAAI ด้วยผลรวม 0–2 และจบการแข่งขันด้วยตำแหน่งรองชนะเลิศ 110

หุ่นยนต์ของ SMASH ยังร่วมสาธิตกับติงหนิง อดีตแชมป์โอลิมปิกปิงปองของจีน โดยติงหนิงเป็นคู่แข่งมนุษย์ของระบบ HKU ที่มีการระบุไว้อย่างชัดเจนในรายงาน แหล่งข้อมูลที่มีอยู่ไม่ได้ยืนยันรายชื่อคู่แข่งมนุษย์รายอื่นของหุ่นยนต์ชุดนี้ 111920

ใครอยู่เบื้องหลัง SMASH

โครงการนี้เป็นความร่วมมือระหว่างนักวิจัยจากมหาวิทยาลัยฮ่องกงกับบริษัทด้าน embodied AI อย่าง KAI ซึ่งในรายงานบางแห่งเรียกว่า Chaowei หรือ Chaowei Motion

ทีม HKU SMASH ถูกอธิบายว่าเป็นกลุ่มวิจัยด้าน embodied AI รุ่นใหม่ นำโดยนักวิจัยและมีนักศึกษาปริญญาเอกของมหาวิทยาลัยฮ่องกงเป็นสมาชิกส่วนใหญ่ โดยศาสตราจารย์ Lo Ping ได้รับการระบุว่าเป็นอาจารย์ผู้ดูแลและผู้นำการวิจัยของทีม 811

ทีมรายงานว่าใช้เวลาประมาณ 6 เดือนในการทำให้หุ่นยนต์เล่นกับมนุษย์ได้ จากนั้นใช้เวลาราวครึ่งเดือนเพื่อเตรียมหุ่นยนต์ 2 ตัวให้เล่นกันเองแบบอัตโนมัติ ระยะเวลาดังกล่าวหมายถึงช่วงเตรียมการสำหรับการสาธิตที่รายงาน ไม่ใช่ประวัติทั้งหมดของงานวิจัยด้านหุ่นยนต์ปิงปอง ซึ่งแหล่งข้อมูลที่มีอยู่ยังไม่ได้ระบุวันเริ่มต้นอย่างแม่นยำ 11

ความสำเร็จของ SMASH 2.0 จึงมีขอบเขตที่ชัดเจนและมีประโยชน์กว่าพาดหัวข่าวที่กว้างที่สุด: ระบบแสดงให้เห็นถึงเกมปิงปองระหว่างหุ่นยนต์ฮิวแมนนอยด์ 2 ตัวแบบอัตโนมัติเต็มรูปแบบตามคำกล่าวอ้างของทีม พร้อมเชื่อมการรับรู้ การคาดการณ์ การเคลื่อนไหว และการทำคะแนนเข้าด้วยกันได้แล้ว

โจทย์ถัดไปคือการทำให้หุ่นยนต์สร้างแบบจำลองคู่แข่งและเรียนรู้ต่อเนื่องระหว่างเกม หากยังทำไม่ได้ หุ่นยนต์เหล่านี้ก็ยังไม่ควรถูกเรียกว่าเป็นผู้เล่นที่ปรับกลยุทธ์ได้อย่างแท้จริง