SMASH 2.0 đã biến trận bóng bàn giữa hai robot thành một cuộc đấu thực sự như thế nào?

Nhóm nghiên cứu thuộc Đại học Hong Kong (HKU) và công ty KAI, còn được một số nguồn gọi là Chaowei Motion, đã trình diễn hệ thống SMASH 2.0 bằng một thử thách khó hơn nhiều so với việc cho robot đánh trả bóng trong một bài tập được sắp đặt sẵn.

Hai robot hình người tự chơi một ván bóng bàn 11 điểm: lần lượt giao bóng, quan sát bóng đến, di chuyển vào vị trí, trả bóng, tấn công, phòng thủ, ghi điểm và tiếp tục cho đến khi một robot giành chiến thắng. Theo nhóm nghiên cứu, toàn bộ quá trình không sử dụng điều khiển từ xa, người mớm bóng hoặc hệ thống camera bên ngoài. 4612

Tuy nhiên, cụm từ “đầu tiên” cần được hiểu là tuyên bố của nhóm nghiên cứu, chưa phải kết luận được xác lập độc lập trên toàn ngành. Điều được các nguồn hiện có hậu thuẫn rõ nhất là phạm vi của màn trình diễn: hai robot hình người đấu với nhau trong một ván hoàn chỉnh, dựa vào khả năng cảm nhận bằng thiết bị trên robot và không cần người điều khiển trực tiếp. 24

Một ván 11 điểm không giống 11 lượt bóng qua lại

Trong bóng bàn, một lượt bóng là chuỗi đánh qua lại kết thúc khi một bên không trả được bóng hoặc phạm lỗi. Vì vậy, 11 lượt bóng thành công chỉ cho thấy hai bên có thể duy trì 11 pha trao đổi. Điều đó chưa chứng minh robot có thể tự vận hành cả một trận đấu.

Một ván 11 điểm hoàn chỉnh còn bao gồm giao bóng, đỡ giao bóng, xử lý bóng hỏng, xác định bên ghi điểm, đổi quyền giao bóng và tiếp tục thi đấu cho đến khi có người thắng theo luật. 57

Sự khác biệt này có ý nghĩa lớn về mặt kỹ thuật. Robot có thể được lập trình để trả những quả bóng được đưa đến đúng vị trí, hoặc phối hợp với người đưa bóng trong một bài tập có tính hợp tác. Nhưng để hai robot tự đấu, chúng phải tự khởi động điểm số, phản ứng trước các đường bóng không giống nhau và đưa ra lựa chọn tấn công hoặc phòng thủ thay vì chỉ cố kéo dài một pha đôi công. 57

SMASH 2.0 khép kín vòng lặp từ nhìn đến đánh

SMASH 2.0 được mô tả là một hệ thống mô-đun, nối liền bốn nhóm chức năng chính:

1. Nhận thức: Camera góc nhìn từ chính robot phát hiện bóng và ước tính trạng thái liên quan của robot, không phụ thuộc vào giàn camera bên ngoài. 2
2. Dự đoán quỹ đạo: Hệ thống tính hướng bay, điểm rơi và độ nảy của bóng để dự đoán vị trí tiếp xúc tiếp theo. 714
3. Lập kế hoạch chuyển động và cú đánh: Robot lựa chọn cách đánh, vị trí đánh và kiểu trả bóng phù hợp với đường bóng đến, bao gồm cả những tình huống bóng ngắn hoặc bóng dài. 714
4. Điều khiển toàn thân: Chân, thân, tay và vợt được phối hợp để robot vừa tiếp cận bóng, vừa giữ thăng bằng, vừa thực hiện cú đánh đã chọn. 214

Các báo cáo cho biết toàn bộ quá trình nhận diện bóng, tính quỹ đạo và lập kế hoạch đánh diễn ra trong khoảng thời gian tính theo mili giây. Đây là khoảng thời gian rất ngắn trước lần tiếp xúc có thể chơi tiếp theo. 714 Công trình học thuật về SMASH cũng nhấn mạnh việc học bắt chước phù hợp với nhiệm vụ để điều khiển cú đánh, kết hợp với khả năng cảm nhận bằng camera gắn trên robot nhằm tương tác theo thời gian thực. 2

Nói cách khác, SMASH 2.0 không phải một mô hình duy nhất “làm tất cả từ đầu đến cuối”, mà là một chuỗi xử lý khép kín: nhìn thấy bóng, suy luận bóng sẽ đi đâu, quyết định đánh thế nào rồi điều khiển toàn bộ cơ thể để biến quyết định đó thành hành động.

SMASH 1.0 đã được nâng cấp ở những điểm nào?

Những thay đổi được báo cáo từ SMASH 1.0 tập trung vào các năng lực cần thiết cho một trận đấu thực sự, thay vì một bài tập trả bóng thuận lợi.

Tự giao bóng

SMASH 2.0 bổ sung khả năng tự giao bóng. Nhờ đó, robot có thể chủ động bắt đầu mỗi điểm và luân phiên giao bóng theo định dạng thi đấu. Nếu thiếu năng lực này, robot có thể tham gia các pha bóng nhưng không thể tự mình vận hành một ván đấu từ đầu đến cuối. 58

Xử lý được vùng bóng rộng hơn

Hệ thống mở rộng không gian mà robot có thể vươn tới để đánh bóng, bao phủ cả những quả bóng ngắn và bóng dài. Nhóm nghiên cứu cho biết họ đã sử dụng dữ liệu chuyển động của con người trong mô phỏng để xây dựng thư viện cú đánh rộng hơn, giúp robot bao phủ đầy đủ hơn vùng làm việc của cơ thể. 2

Từ trả bóng phối hợp sang chủ động tấn công và phòng thủ

Trong một trận đấu, hai bên không chỉ cố giữ bóng trong cuộc. Mỗi robot đều phải tìm cách ghi điểm, đồng thời hạn chế cơ hội của đối thủ. Mô tả về SMASH 2.0 đề cập đến nhiều kiểu trả bóng và lựa chọn điểm rơi khác nhau, cho thấy hệ thống hướng tới một trận đấu hoàn chỉnh hơn là chỉ trả một chuỗi bóng có thể đoán trước. 714

Dù vậy, các nguồn hiện có chưa chứng minh robot sở hữu sự đa dạng chiến thuật ngang với vận động viên con người. Kết luận chắc chắn hơn là SMASH 2.0 đã nối được tự giao bóng, nhận thức, di chuyển, đánh bóng và tính điểm vào cùng một vòng lặp thi đấu.

Giới hạn hiện tại: chiến thuật đặt trước, chưa thích nghi trực tuyến

Robot hiện có thể được thiết lập trước với những cách chơi khác nhau, chẳng hạn thiên về tốc độ nhanh hoặc chậm, hoặc nhắm tới các vị trí khác nhau trên bàn. Nhưng nhóm nghiên cứu cho biết hệ thống vẫn chưa đạt được khả năng học trực tuyến trước một đối thủ cụ thể trong lúc trận đấu đang diễn ra.

Về thực tế, robot chưa thể liên tục suy luận rằng đối thủ thích đánh vào góc nào, thường dùng tốc độ ra sao rồi tự điều chỉnh chiến thuật ngay trong trận.

Bước tiếp theo được nhóm đề xuất là lưu lại dữ liệu từ các trận robot đấu robot, bao gồm cả những pha thành công và thất bại, sau đó dùng dữ liệu này cho việc huấn luyện tăng cường trên robot thật. Cách tiếp cận đó có thể mở đường cho ý tưởng robot “tự tiến hóa”, nhưng hiện vẫn là mục tiêu huấn luyện trong tương lai, chưa phải năng lực đã được chứng minh đầy đủ qua trận đấu được báo cáo.

Robot được huấn luyện bằng dữ liệu của con người

Nhóm nghiên cứu cho biết dữ liệu huấn luyện hiện tại chủ yếu đến từ con người. Các bản ghi chuyển động của người được đưa vào mô phỏng để mở rộng vùng đánh của robot. Mô tả học thuật về SMASH cũng đề cập đến dữ liệu ghi chuyển động và các thư viện chuyển động được tạo ra nhằm giúp robot học kỹ năng. 2

Một số tường thuật chi tiết hơn nói rằng nhóm đã tổ chức các buổi huấn luyện hằng ngày trong khoảng một đến hai tháng, với huấn luyện viên đeo thiết bị ghi chuyển động. Nhóm đồng thời quan tâm đến việc thu thập chuyển động không cần gắn điểm đánh dấu, dù phương pháp này có thể đánh đổi một phần chất lượng dữ liệu để đổi lấy quy trình linh hoạt hơn. Chi tiết này nên được xem là phương pháp do nhóm tự báo cáo; các nguồn hiện có chưa xác minh độc lập từng bước của quy trình. 35

Vì sao bóng bàn là bài kiểm tra khắc nghiệt cho robot hình người?

Bóng bàn dồn nhiều bài toán khó của robot học vào một khoảng thời gian cực ngắn. Robot phải theo dõi một quả bóng nhỏ và nhanh, ước tính quỹ đạo cùng điểm nảy, chọn cách phản hồi, di chuyển vào vị trí, phối hợp nhiều khớp, giữ thăng bằng và tạo ra cú tiếp xúc có kiểm soát. Trong khi đó, đối thủ và điều kiện vật lý liên tục thay đổi. 1418

Vì vậy, bóng bàn là một bài kiểm tra có tính đối kháng đáng chú ý đối với AI nhập thể — tức những hệ thống AI phải cảm nhận và hành động thông qua một cơ thể trong thế giới thực. Thành công không thể chỉ đến từ việc phát lại một chuỗi động tác cố định; robot phải phản ứng trước tình huống mới.

Đó cũng là lý do bóng bàn thường được đặt cạnh các thử thách thể thao robot có tính đối kháng khác, trong đó có những nội dung chiến đấu. Điểm chung là robot phải phản ứng nhanh, phối hợp cơ thể và đưa ra quyết định dựa trên hành động của đối thủ.

Từ màn trình diễn đến giải đấu tại Bắc Kinh

Đại hội Thể thao Robot Hình người Thế giới lần thứ hai diễn ra tại Nhà thi đấu Trượt băng Tốc độ Quốc gia ở Bắc Kinh, thường được gọi là “Dải Băng”, từ ngày 22 đến 26 tháng 8 năm 2026. Bóng bàn lần đầu trở thành một nội dung thi đấu chính thức của đại hội, với 12 đội tham dự. 810

Con số 2.056 robot thuộc 666 đội và tranh tài ở 51 nội dung là quy mô của toàn đại hội, không phải riêng giải bóng bàn. Ở nội dung này, đội HKU SMASH tiến vào chung kết nhưng để thua đội liên hợp Đại học Bắc Kinh–Viện Trí tuệ Nhân tạo Bắc Kinh với tỷ số 0–2, qua đó giành ngôi á quân. 110

Các robot SMASH cũng xuất hiện trong một màn giao lưu với Đinh Ninh, nhà vô địch Olympic bóng bàn. Đây là đối thủ con người được các nguồn hiện có xác nhận rõ ràng cho hệ thống HKU; những vận động viên khác xuất hiện trong các màn trình diễn riêng tại đại hội không nên mặc nhiên được xem là đã thi đấu với robot SMASH. 111920

Ai đứng sau SMASH?

SMASH là sản phẩm hợp tác giữa các nhà nghiên cứu của Đại học Hong Kong và công ty AI nhập thể KAI, còn được truyền thông gọi là Chaowei hoặc Chaowei Motion. Đội HKU SMASH được mô tả là một nhóm nghiên cứu trẻ về thuật toán AI nhập thể, do các nhà nghiên cứu dẫn dắt và phần lớn thành viên là nghiên cứu sinh tiến sĩ tại HKU. Giáo sư Lo Ping được xác định là người hướng dẫn và lãnh đạo nghiên cứu của nhóm. 811

Nhóm cho biết họ mất khoảng sáu tháng để giúp robot có thể đấu với người, sau đó dành thêm khoảng nửa tháng để chuẩn bị cho hai robot tự đấu với nhau. Mốc thời gian này mô tả giai đoạn chuẩn bị được báo cáo cho màn trình diễn, không phải toàn bộ lịch sử nghiên cứu robot chơi bóng bàn; các nguồn hiện có chưa xác lập chính xác dự án bắt đầu từ thời điểm nào. 11

Thành tựu thực tế của SMASH 2.0 vì thế vừa hẹp hơn, vừa có giá trị hơn những tiêu đề lớn nhất. Nhóm đã trình diễn điều họ gọi là trận bóng bàn hoàn chỉnh đầu tiên giữa hai robot hình người hoàn toàn tự chủ, đồng thời cho thấy rõ chặng đường tiếp theo.

Robot hiện đã có thể kết nối nhận thức, dự đoán, chuyển động và tính điểm trong một định dạng thi đấu. Nhưng để được xem là những tay vợt có khả năng thích nghi chiến thuật thực sự, chúng vẫn cần học trực tuyến đáng tin cậy, biết xây dựng mô hình về đối thủ và liên tục điều chỉnh cách chơi trong trận.