Два гуманоїдні роботи зіграли повну 11-очкову партію в настільний теніс без людей

Що саме продемонструвала SMASH 2.0

Команда Гонконзького університету та компанії KAI — у публікаціях також фігурує назва Chaowei Motion — показала не просто ефектний обмін ударами. Два двоногі гуманоїдні роботи самостійно зіграли повну партію в настільний теніс до 11 очок: по черзі подавали, реагували на подачі й повернення суперника, набирали очки та довели гру до перемоги одного з роботів. У демонстрації не використовували дистанційне керування, підкидання м’ячів людиною чи зовнішні камери. 4612

Формулювання про «перший випадок» варто сприймати саме як заяву розробників, а не як незалежно підтверджений галузевий рекорд. Натомість доступні матеріали достатньо чітко описують масштаб демонстрації: повністю автономну гру «гуманоїд проти гуманоїда» із бортовим сприйняттям і форматом повної партії. 24

Повна партія до 11 очок — це не 11 розіграшів поспіль

У настільному тенісі розіграш триває від подачі до моменту, коли один із гравців помиляється або інакше втрачає очко. Повна партія до 11 очок вимагає значно більшого: робот має сам подати, прийняти м’яч, реагувати на промахи, правильно визначати, кому зарахувати очко, змінювати право подачі та продовжувати гру, доки правила не визначать переможця. 57

Тому 11 успішних обмінів ударами самі по собі не доводили б наявності всіх цих можливостей. Робот може повертати м’яч у контрольованій тренувальній вправі або відповідати на подачі людини, але це ще не означає, що він здатен самостійно організувати й завершити змагальну партію. Два роботи, які грають на перемогу, мають також атакувати й захищатися, а не просто підтримувати зручний обмін. 57

Як працює замкнений цикл SMASH 2.0

SMASH 2.0 описують як модульну систему, що поєднує чотири основні функції:

1. Сприйняття. Вбудовані камери від першої особи виявляють м’яч і оцінюють стан самого робота — без зовнішньої системи камер. 2
2. Прогнозування траєкторії. Система розраховує напрямок польоту м’яча та прогнозує його траєкторію і відскок. 714
3. Планування руху й удару. Робот визначає, як і в яку точку вдарити, зважаючи на різні варіанти польоту м’яча. 714
4. Керування всім тілом. Ноги, корпус, руки та ракетка узгоджено рухаються, щоб робот устиг дістатися м’яча, зберегти рівновагу й виконати потрібний удар. 214

За описами команди, весь ланцюжок — від розпізнавання м’яча до розрахунку траєкторії та планування удару — має вкладатися у вікно тривалістю мілісекунди. 714 Академічна робота про SMASH окремо наголошує на навчанні ударів через імітацію, орієнтовану на завдання, та на бортовому сприйнятті для взаємодії в реальному часі. 2

Що змінилося порівняно зі SMASH 1.0

Оновлення до версії 2.0 стосувалися не косметичних покращень, а функцій, без яких повноцінна гра була б неможливою.

Автономна подача

SMASH 2.0 отримала можливість самостійно подавати м’яч. Завдяки цьому роботи можуть починати розіграші та чергувати подачі відповідно до формату партії. Без автономної подачі робот міг би брати участь в обміні, але не здатен був би сам провести матч від першого до останнього очка. 58

Ширший діапазон ударів

Система розширила доступний роботу простір для удару, щоб він міг реагувати і на короткі, і на довгі м’ячі. Команда повідомила, що використовувала дані про рухи людей у симуляції, аби створити ширшу бібліотеку ударів і краще охопити робочий простір робота. 2

Від кооперативної вправи до гри на результат

Повна партія потребує не лише повернення м’яча, а й атакувальних та оборонних рішень. В описі SMASH 2.0 згадуються різні типи повернень і вибір цільових зон, завдяки чому система більше нагадує учасника матчу, ніж робота, який просто відбиває передбачувану подачу.

Водночас доступні джерела не підтверджують, що роботи вже мають таку саму тактичну різноманітність, як люди. Обережніший висновок полягає в тому, що демонстрація об’єднала автономну подачу, сприйняття, рух і підрахунок очок в один ігровий цикл. 714

Головне обмеження: задана стратегія замість навчання під час матчу

Наразі роботам можна заздалегідь призначити різні підходи: грати швидше або повільніше, а також обирати інші точки спрямування м’яча. Однак команда каже, що ще не досягла справжнього онлайн-навчання проти конкретного суперника під час живої гри. Тобто робот поки не здатен постійно визначати звички опонента й перебудовувати тактику просто по ходу матчу.

Наступний крок — зберігати дані з ігор «робот проти робота», включно з успішними та невдалими розіграшами, а потім використовувати їх для підсиленого навчання на реальному роботі. У перспективі це може наблизити команду до ідеї «самоеволюції» роботів, але поки що це майбутня ціль, а не продемонстрована властивість системи.

На яких даних навчали роботів

За словами команди, нинішні навчальні дані переважно походять від людей. Записи рухів людини використовували в симуляції, щоб розширити діапазон ударів, а в академічному описі SMASH згадуються демонстрації, отримані за допомогою захоплення рухів, і згенеровані бібліотеки рухів. 2

Докладніші повідомлення описують щоденні тренування з тренерами впродовж приблизно одного-двох місяців із використанням обладнання для захоплення рухів. Команда також зацікавлена в переході до безмаркерного запису рухів, хоча це може супроводжуватися певними компромісами щодо якості даних. Ці деталі слід розглядати як опис методики зі слів розробників: доступні джерела незалежно не перевіряють кожен етап цього процесу. 35

Чому настільний теніс — складний тест для гуманоїдних роботів

Настільний теніс стискає одразу кілька складних робототехнічних завдань у дуже короткий проміжок часу. Гуманоїд має відстежити невеликий швидкий м’яч, спрогнозувати його політ і відскок, обрати відповідь, переміститися в потрібну позицію, скоординувати численні суглоби, втримати рівновагу та точно влучити ракеткою. Тим часом суперник і фізичне середовище постійно змінюються. 1418

Саме тому цей вид спорту розглядають як корисний змагальний тест втіленого штучного інтелекту. Успіх залежить не від відтворення наперед записаної послідовності, а від реакції на нові умови. У цьому сенсі настільний теніс можна порівнювати з іншими формальними робототехнічними змаганнями, зокрема бойовими дисциплінами: і там, і там потрібні швидка реакція, фізична координація та рішення у відповідь на дії суперника.

Від демонстрації до змагань у Пекіні

Другі World Humanoid Robot Games відбулися 22–26 серпня 2026 року в Національному ковзанярському овалі Пекіна, відомому як «Крижана стрічка» (Ice Ribbon). Настільний теніс уперше став офіційною дисципліною турніру, а в ньому взяли участь 12 команд. 810

Загалом на Іграх виступили 2056 роботів у складі 666 команд, які змагалися у 51 дисципліні. Цю загальну цифру не слід плутати з кількістю роботів саме в настільному тенісі. Команда HKU SMASH дійшла до фіналу й посіла друге місце, поступившись спільній команді PKU–BAAI з рахунком 0:2. 110

Роботи SMASH також взяли участь у показовій грі проти олімпійської чемпіонки з настільного тенісу Дін Нін. Саме Дін Нін є чітко підтвердженою людською суперницею системи HKU; інші спортсмени виступали в окремих демонстраціях на Іграх. 111920

Хто створив SMASH

Проєкт є спільною роботою дослідників Гонконзького університету та компанії KAI, яку в окремих матеріалах називають Chaowei або Chaowei Motion. Команду HKU SMASH описують як молоду групу, що спеціалізується на алгоритмах втіленого штучного інтелекту. До її складу переважно входять докторанти університету, а професор Ло Пін згадується як науковий керівник і лідер досліджень. 811

За словами команди, близько шести місяців пішло на те, щоб роботи навчилися грати з людьми, а ще приблизно пів місяця — на підготовку двох роботів до автономної гри один проти одного. Цей термін стосується підготовки до описаної демонстрації, а не всієї історії досліджень роботів для настільного тенісу, точної дати початку яких доступні джерела не встановлюють. 11

Практичне досягнення SMASH 2.0 тому дещо вужче — і водночас корисніше — за найгучніші заголовки. Система продемонструвала заявлений перший повний автономний матч «гуманоїд проти гуманоїда», але також показала наступний рубіж: роботи вже можуть поєднати сприйняття, прогнозування, рух і підрахунок очок у змагальному форматі, проте їм іще бракує надійного моделювання суперника в реальному часі та безперервного навчання, щоб називати їх стратегічно адаптивними гравцями.