ربات هوشمند Project Ace سونی برای نخستینبار بازیکنان حرفهای پینگپنگ را شکست داد و نقطه عطفی در هوش مصنوعی فیزیکی ثبت کرد.
به گزارش سرویس رباتیک تکناک، هوش مصنوعی فیزیکی به این معنا است که ماشینها باید در محیط واقعی با سرعت بالا و شرایط غیرقابل پیشبینی، تصمیمگیری و عمل کنند.
در حالی که سامانههای هوش مصنوعی طی سالهای گذشته در بازیهای دیجیتال مانند شطرنج، گو و شبیهسازهای رانندگی، عملکردی فراتر از انسان نشان داده بودند، اما ورود به ورزشهای واقعی همواره چالش بسیار پیچیدهای محسوب میشد. دلیل اصلی این مسئله، نیاز به ترکیب همزمان ادراک لحظهای، تحلیل شرایط، واکنش سریع و حرکت دقیق در دنیای واقعی است. اکنون Project Ace نشان داده که این مانع نیز در حال شکسته شدن است.
این ربات ادامهای بر پروژههای پیشین Sony AI مانند سامانه رانندگی هوشمند Gran Turismo Sophy به حساب میآید؛ پروژهای که توانسته بود در محیط شبیهسازیشده مسابقات اتومبیلرانی به سطحی فراتر از رانندگان حرفهای برسد. با وجود این، Ace یک گام فراتر رفته و همان توانایی تصمیمگیری هوشمند را به فضای فیزیکی و واقعی منتقل کرده است.
شرکت Sony AI برای توسعه این ربات از ترکیب حسگرهای پیشرفته، یادگیری تقویتی و سامانههای حرکتی بسیار دقیق استفاده کرده است. Project Ace با کمک ۹ دوربین فوقسریع، موقعیت سهبعدی توپ را در لحظه ردیابی میکند. علاوه بر این، حسگرهای رویدادمحور میتوانند میزان چرخش و سرعت زاویهای توپ را نیز به صورت همزمان تشخیص دهند.
این اطلاعات در کسری از ثانیه پردازش میشوند و ربات هوشمند سونی بر اساس آن تصمیم میگیرد که چه ضربهای با چه زاویهای و در چه زمانی اجرا شود. برخلاف رباتهای سنتی که بر اساس قواعد از پیش تعریفشده عمل میکنند، Ace از یادگیری تقویتی بهره میبرد؛ به این معنا که در حین بازی، از شرایط جدید یاد میگیرد و واکنش خود را تطبیق میدهد.
ورزش تنیس روی میز یکی از دشوارترین محیطها برای آزمایش چنین سامانهای است. توپ با سرعت بالا حرکت میکند، چرخشهای متنوعی دارد و بازیکن باید در زمان بسیار کوتاهی واکنش نشان دهد. حتی بازیکنان حرفهای نیز برای بازگرداندن برخی ضربات نیازمند تصمیمگیری در چند صدم ثانیه هستند.
پیتر دور، مدیر Sony AI در زوریخ و رهبر پروژه Ace درباره این دستاورد گفت: «این پژوهش نشان داده است که یک ربات خودران میتواند در یک ورزش رقابتی پیروز شود و در فضای فیزیکی، زمان واکنش و قدرت تصمیمگیری برابر یا حتی بهتر از انسان داشته باشد.» او تأکید کرد که تنیس روی میز، ورزشی با پیچیدگی بسیار بالا است که به تصمیمگیری آنی، سرعت و قدرت نیاز دارد.
شرکت Sony AI برای ارزیابی عملکرد، این سامانه را مطابق قوانین رسمی International Table Tennis Federation آزمایش کرد. ربات Project Ace در برابر پنج بازیکن نخبه و دو بازیکن حرفهای قرار گرفت. نتایج نشان داد که این ربات در سه مسابقه از پنج دیدار برابر بازیکنان نخبه به پیروزی رسید و در برابر بازیکنان حرفهای نیز نمایش رقابتی ارائه کرد.
بر اساس دادههای منتشرشده، Ace توانست ضربات با چرخش تا ۴۵۰ رادیان بر ثانیه را با نرخ بازگشت بیش از ۷۵ درصد مهار کند. همچنین این ربات ۱۶ امتیاز مستقیم از سرویسهای خود به دست آورد، در حالی که حریفان انسانی تنها ۸ امتیاز مستقیم کسب کردند.
مسابقات تکمیلی که در اواخر سال ۲۰۲۵ و اوایل ۲۰۲۶ برگزار شد، نشان داد که عملکرد ربات همچنان در حال پیشرفت است. ربات هوشمند سونی در این مرحله چندین بازیکن حرفهای را شکست داد و در سرعت رالی، دقت جایگذاری توپ و مدیریت ضربات پیچیده، پیشرفت محسوسی داشت.
پیتر استون، دانشمند ارشد Sony AI نیز اعلام کرد که این موفقیت بسیار فراتر از تنیس روی میز است. به گفته او، این دستاورد نشان میدهد که اکنون سامانههای هوش مصنوعی میتوانند در محیطهای واقعی، سریع، پیچیده و متغیر، همزمان ببینند، تحلیل کنند و اقدام مؤثر انجام دهند؛ قابلیتی که پیشتر دستنیافتنی به نظر میرسید.
کارشناسان معتقد هستند که موفقیت Project Ace میتواند پیامدهای گستردهای در صنایع مختلف داشته باشد. فناوریهای مشابه میتوانند در خطوط تولید پیشرفته، جراحی رباتیک، امداد و نجات، لجستیک هوشمند، خودروهای خودران و همکاری مستقیم انسان و ربات مورد استفاده قرار گیرند. هر محیطی که در آن واکنش سریع، دقت بالا و تصمیمگیری لحظهای اهمیت دارد، میتواند از چنین فناوریهایی بهرهمند شود.
این پژوهش با عنوان “Outplaying Elite Table Tennis Players with an Autonomous Robot” روی جلد نشریه علمی Nature منتشر شده است؛ موضوعی که اهمیت علمی و فناوری این دستاورد را دوچندان میکند.
موفقیت Project Ace نشان میدهد که عصر جدیدی از رباتهای هوشمند آغاز شده است، که در آن ماشینها نهفقط در دنیای مجازی، بلکه در رقابتهای واقعی و تعاملات فیزیکی نیز به سطحی نزدیک یا حتی بالاتر از انسان میرسند.

















