SMASH 2.0, iki insansı robotu tam bir masa tenisi maçında karşı karşıya getirdi

Hong Kong Üniversitesi (HKU) ile KAI/Chaowei Motion ekibinin SMASH 2.0 gösterimi, tek bir etkileyici robotik numaradan fazlasını ortaya koydu. Ekip, iki insansı robotun birbirine karşı tam bir 11 sayılık masa tenisi oyunu oynadığını açıkladı: Robotlar sırayla servis attı, gelen topları algılayıp karşıladı, hücum ve savunma vuruşları yaptı, sayıları kaydetti ve oyun bir robotun galibiyetiyle tamamlandı. Gösterimde uzaktan kumanda, insanın top beslemesi veya harici kamera sistemi kullanılmadı. 4612

Buradaki “ilk” ifadesi, bağımsız biçimde doğrulanmış sektör çapında bir sonuçtan çok, araştırma ekibinin iddiası olarak okunmalı. Mevcut kaynakların güçlü biçimde desteklediği nokta, gösterimin kapsamı: yerleşik algılama sistemi kullanan iki insansı robotun, tam oyun formatında birbirine karşı otonom şekilde oynaması. 24

11 sayıya ulaşmak, 11 ralli yapmak demek değil

Masa tenisinde ralli, bir sayının sona ermesine kadar topun iki oyuncu arasında gidip gelmesidir. Buna karşılık tam bir 11 sayılık oyun; servis atma ve karşılama, kaçan toplar, sayıların doğru tarafa yazılması, servis değişimi ve kurallar gereği bir galibin ortaya çıkması gibi süreçlerin tamamını kapsar. Topun 11 kez arka arkaya karşılanması, tek başına bu yeteneklerin hiçbirini kanıtlamaz. 57

Bu ayrım robotik açısından kritik. Bir robot, işbirliğine dayalı bir antrenmanda veya insanın düzenli biçimde top gönderdiği bir senaryoda topları geri çevirebilir. Ancak kendi başına bir maçı başlatıp bitirebilmesi için çok daha geniş bir otonomiye ihtiyaç vardır. İki robot gerçekten kazanmak için oynadığında, yalnızca ralliyi sürdürmekle kalmaz; gelen topa göre hücum ya da savunma tercihi de yapar. 57

SMASH 2.0 algıdan vuruşa nasıl ilerliyor?

SMASH 2.0, birbirine bağlı dört ana işlevden oluşan modüler bir sistem olarak tanımlanıyor:

1. Algılama: Robotun üzerindeki, birinci şahıs bakışı sağlayan kameralar topu ve robotun durumunu tespit ediyor. Sistem, konuşlandırma sırasında harici kamera düzeneklerine ihtiyaç duymuyor. 2
2. Yörünge tahmini: Yazılım topun hangi yöne ve hızla gittiğini, nerede sekebileceğini ve oynanabilir temas noktasının neresi olduğunu hesaplıyor. 714
3. Hareket ve vuruş planlama: Robot, gelen topun özelliklerine göre topa nasıl ve nereye vuracağını seçiyor. 714
4. Tüm vücut kontrolü: Bacaklar, gövde, kollar ve raket birlikte koordine edilerek robotun topa yetişmesi, dengesini koruması ve seçilen vuruşu uygulaması sağlanıyor. 214

Raporlara göre bu işlemler milisaniyeler mertebesindeki dar bir zaman aralığında gerçekleşiyor. Robotun gelen topu fark etmesi, yörüngeyi hesaplaması ve bir sonraki oynanabilir temastan önce vuruşu planlaması gerekiyor. 714 SMASH’ın akademik tanımı da vuruş kontrolü için göreve uyarlanmış taklit öğrenmesini ve gerçek zamanlı etkileşim için robot üzerindeki algılamayı öne çıkarıyor. 2

SMASH 1.0’dan 2.0’a hangi özellikler eklendi?

SMASH 2.0’daki yükseltmeler, rahat bir top karşılama gösterisinden gerçek bir maça geçmek için gerekli yeteneklere odaklandı.

Otonom servis

Robotların servisi kendi başına atabilmesi, oyunun insan müdahalesi olmadan başlamasını ve servislerin oyun formatına göre dönüşümlü kullanılmasını sağladı. Bu özellik olmadan robot toplara karşılık verebilir, ancak maçı baştan sona bağımsız biçimde yürütemezdi. 58

Daha geniş vuruş alanı

Sistem, robotun erişebildiği vuruş alanını genişleterek hem kısa hem de uzun gelen toplara karşılık verecek şekilde geliştirildi. Ekip, daha geniş bir hareket kütüphanesi oluşturmak için simülasyonlarda insan hareketlerinden yararlandığını belirtti. 2

İşbirlikçi ralliden rekabetçi oyuna

Tam bir maçta robotların yalnızca güvenli biçimde topu geri göndermesi yetmez; hücum etmeleri ve savunma yapmaları gerekir. SMASH 2.0’ın farklı karşılık türlerini ve hedef yerleşimlerini desteklediği aktarılıyor. Bu da sistemi, öngörülebilir bir top beslemesine karşı sürekli iade yapan bir düzenden daha maç odaklı hâle getiriyor. Bununla birlikte, mevcut kaynaklar robotların insan düzeyinde taktik çeşitliliğe sahip olduğunu göstermiyor. Daha temkinli sonuç şu: Gösterim, otonom servis, algılama, hareket ve skorlamayı tek bir rekabetçi oyun döngüsünde birleştirdi. 714

En büyük sınır: Anlık rakip uyarlaması henüz yok

Robotlara şu an hızlı veya yavaş oyun, farklı hedef noktaları gibi önceden belirlenmiş stratejiler verilebiliyor. Ancak ekip, canlı maç sırasında belirli bir rakibe karşı gerçek anlamda çevrim içi öğrenmeyi henüz başaramadığını söylüyor. Başka bir deyişle robot, rakibinin tercihlerini sürekli analiz edip taktiğini maç devam ederken değiştiremiyor.

Bir sonraki adım, robot-robot maçlarından elde edilen verileri (başarılı ve başarısız karşılaşmalar dâhil) saklamak ve bu kayıtları daha sonra gerçek robotlar üzerinde pekiştirmeli öğrenme için kullanmak. Bu yaklaşım, ekibin “kendi kendine evrim” fikrine ileride zemin hazırlayabilir; ancak bildirilen maçta gösterilmiş bir yetenek değil, geleceğe dönük bir eğitim hedefi.

Robotlar nasıl eğitildi?

Ekip, mevcut eğitim verilerinin ağırlıklı olarak insan verilerinden oluştuğunu belirtiyor. İnsan hareket kayıtları, robotların vuruş alanını genişletmek amacıyla simülasyonlarda kullanıldı. SMASH araştırması da hareket yakalama gösterilerini ve oluşturulmuş hareket kütüphanelerini beceri öğrenme sürecinin parçaları olarak açıklıyor. 2

Daha ayrıntılı ekip anlatımlarında, hareket yakalama ekipmanı kullanan antrenörlerle yaklaşık bir ila iki ay boyunca her gün çalışıldığı belirtiliyor. Ekip ayrıca, veri kalitesinde bazı ödünler yaratabilse de işaretleyici gerektirmeyen hareket yakalama yöntemlerine geçmek istiyor. Bu ayrıntılar, ekip tarafından aktarılan yöntem bilgileri olarak değerlendirilmeli; mevcut kaynaklar sürecin her aşamasını bağımsız biçimde doğrulamıyor. 35

Masa tenisi neden zorlu bir insansı robot testi?

Masa tenisi, çok kısa bir zaman aralığında birden fazla zor robotik problemi bir araya getiriyor. İnsansı robotun küçük ve hızlı bir topu izlemesi, uçuşunu ve sekmesini tahmin etmesi, uygun karşılığı seçmesi, konum alması, çok sayıda eklemi koordine etmesi, dengesini koruması ve kontrollü temas kurması gerekiyor. Üstelik rakip ve fiziksel ortam sürekli değişiyor. 1418

Bu nedenle masa tenisi, cisimleşmiş yapay zekâ için rekabetçi bir sınav niteliği taşıyor. Başarı, önceden kaydedilmiş bir hareket dizisini tekrarlamaktan çok yeni koşullara yanıt verebilmeye bağlı. Bu yönüyle masa tenisi, hızlı tepki, fiziksel koordinasyon ve rakibe göre karar verme gerektiren kickboks gibi diğer resmî robot sporlarıyla aynı tartışma çerçevesinde değerlendiriliyor.

Pekin’deki robot oyunlarında sahneye çıktı

İkinci Dünya İnsansı Robot Oyunları, 22-26 Ağustos 2026 tarihleri arasında Pekin’deki Ulusal Sürat Pateni Ovali’nde, yani “Buz Şeridi” olarak bilinen salonda düzenlendi. Masa tenisi, organizasyonda ilk kez resmî yarışma dalı olarak yer aldı ve turnuvaya 12 takım katıldı. 810

Organizasyon genelinde 16 ülkeden 666 takımın 2.056 robotla 51 disiplinde yarıştığı bildirildi; ancak bu toplam sayı masa tenisi dalındaki robot sayısıyla karıştırılmamalı. HKU SMASH ekibi masa tenisi finaline yükseldi ve finalde PKU-BAAI takımına 0-2 yenilerek turnuvayı ikinci tamamladı. 110

SMASH robotları ayrıca olimpiyat şampiyonu masa tenisçisi Ding Ning’in yer aldığı bir insan-robot gösterisinde de sahne aldı. Kaynaklarda HKU sistemi için açıkça doğrulanabilen insan rakip Ding Ning. Oyunlardaki diğer sporcular ise ayrı gösterilerde yer aldı. 111920

SMASH’ın arkasındaki ekip

Proje, Hong Kong Üniversitesi araştırmacıları ile haberlerde KAI, Chaowei veya Chaowei Motion adlarıyla anılan cisimleşmiş yapay zekâ şirketinin işbirliğine dayanıyor. HKU SMASH ekibi, Professor Lo Ping’in danışman ve araştırma lideri olarak gösterildiği, üyelerinin büyük bölümünü HKU doktora öğrencilerinin oluşturduğu genç bir araştırma grubu olarak tanımlanıyor. 811

Ekip, robotların insanlarla oynayabilmesini sağlamak için yaklaşık altı ay çalıştığını, ardından iki robotu birbirine karşı otonom biçimde oynatmaya hazırlamak için yaklaşık yarım ay harcadığını bildirdi. Bu zaman çizelgesi gösterime yönelik hazırlığı anlatıyor; mevcut kaynaklar masa tenisi robotikleri araştırmasının tamamının ne zaman başladığını kesin olarak ortaya koymuyor. 11

SMASH 2.0’ın pratik başarısı, en iddialı manşetlerden daha dar ama daha anlamlı: Ekip, insansı robotların birbirine karşı tamamen otonom oynadığı ilk tam masa tenisi oyunu olduğunu öne sürdüğü bir gösterim gerçekleştirdi. Robotlar artık algılama, tahmin, hareket ve skorlamayı rekabetçi bir formatta birbirine bağlayabiliyor. Ancak stratejik açıdan uyarlanabilir oyuncular olarak tanımlanabilmeleri için rakip modelleme ve sürekli çevrim içi öğrenme konusunda hâlâ ilerlemeleri gerekiyor.