20 毫秒快速反應、擊敗桌球職業選手：Sony AI 機器人 Ace 如何跨過 Physical AI 的即時決策門檻？
近日在中國北京舉行的一場半程馬拉松賽事中，機器人跑贏人類跑者的畫面引發熱議，展現出全球在實體機器人技術上的驚人進展。在這波機器人跨越人類體能界限的浪潮中，Sony AI 研發的自主桌球機器人 Ace 又往前邁進一步，並被視為首個能在真實世界中與高階人類桌球選手競爭的自主系統（autonomous system）。
這項突破的關鍵，不只是單純的「打贏人類」，而是 AI 首次在正式比賽規則下，證明自身具備高速感知、即時判斷與精準出手的能力，這也標誌著 AI 正加速從虛擬環境，跨入需要即時反應的實體運動領域。
迎戰高階選手、擊敗職業好手：Ace 打破正式規則下的競技極限
過去，桌球之所以被視為實體 AI（Physical AI）的重大挑戰，在於這項運動極度考驗反應極限：球速可超過每秒 20 公尺、來回時間常不到 0.5 秒，且高速旋轉會大幅改變球路。面對這些極端條件，Ace 在國際桌球總會（ITTF）的正式規則與兩名裁判的監督下，與人類選手展開真正的對決，並且全程採用一般球拍與奧運標準尺寸的場地，沒有放寬任何硬體標準。
2025 年 4 月，Ace 首度與 5 位高階選手（elite players）及 2 位職業選手對戰，並成功對高階選手拿下 3 場勝利。雖然初期未能擊敗職業選手，但隨著系統持續進化，Ace 成功在 2025 年 12 月首次戰勝職業選手，隨後更在 2026 年 3 月，進一步擊敗包含世界排名前 25 名的木原美悠（Miyuu Kihara）在內的三名職業好手。
跨越困難的門檻：比人類反應時間快 10 倍的即時感知與決策
Ace 之所以能跨越即時反應的門檻，歸功於其結合事件導向視覺感測器（event-based vision sensors）、無模型強化學習（model-free reinforcement learning）與高速機器人硬體的三位一體核心架構。
在「感知」層面，為了能在極短時間內完成追蹤，Ace 的視覺系統配備了 9 台傳統的 APS 相機與 3 套視線控制系統（gaze control systems），專門鎖定動態或亮度改變的區域，並精準追蹤官方桌球上的商標位置。這套系統能在高頻率、低延遲下精準計算球的 3D 位置、旋轉與軌跡，甚至能捕捉人眼看來只是一團模糊的高速殘影，讓 Ace 甚至在面對高達 450 rad/s 的強烈旋轉球時，仍能保持 75% 以上的穩定回擊率。
在「動作與決策」層面，Ace 的機械手臂配備 8 個關節：3 個控制球拍位置、2 個調整方向，另外 3 個提供擊球的速度與力道。這套軟硬整合系統讓 Ace 的總延遲時間僅約 20 毫秒，遠遠快於人類運動員所需的 230 毫秒反應時間。此外，透過無模型強化學習，Ace 在模擬環境中累積了數千小時的訓練經驗，使其不須死板地依賴預設打法模型，而是能依據經驗產生像人類一樣的敏捷度。這種訓練方式更讓 Ace 發展出令人驚豔的「湧現（emergent）能力」，成功回擊未曾特別訓練過的「擦網球」這一類突發狀況。
AI 從螢幕內的勝利，走向真實世界的高速互動任務
Sony AI 專案負責人 Peter Dürr 指出：「Ace 提供一些過去從未被捕捉到的東西，那就是一個機器人與人類在真正的體育競技中展開對決。」《路透社》也引用開發團隊的原話強調：「與先前 AI 系統在電腦遊戲中超越人類專家不同，像桌球這類實體的即時運動，因為需要在障礙物附近、於人類反應時間邊緣進行快速、精準且具對抗性的互動，因此仍是一項重大的未解挑戰。」
此外，這項技術突破的意義不只在於體育競技，因為 Ace 所展現的高速感知與基於學習的控制技術，未來可廣泛延伸應用於製造業、服務型機器人（service robotics），以及其他需要快速、精準人機互動的實體場景。研究團隊也預期，隨著技術不斷突破，未來 Ace 的外觀甚至有可能演進為人形機器人。
透過實戰擊敗頂尖選手的過程，Ace 具體展現 Physical AI 已正式跨過「即時感知加上動作決策」這道最難的真實世界門檻。面對這個前所未有的對手，曾敗給 Ace 的職業選手 Mayuka Taira 坦言，機器人最難對付的地方在於「沒有情緒且難以預測」，加上 Ace 完全不會釋放任何肢體語言的破綻，讓對手難以察覺其真實意圖與發球旋轉方向。
然而，目前的 Ace 依然有弱點。曾與其對戰的選手 Rui Takenaka 分享，當自己打出複雜旋轉時 Ace 能同等回擊，但改採簡單的「無旋轉發球」時，Ace 的回球也跟著變簡單，這顯示 Ace 在「尋找對手弱點並即時適應策略」的戰術層面上，仍不及專業的人類運動員。儘管如此，這種超乎預期的對抗體驗，說明 Ace 不僅徹底打破人類對機器人敏捷度的傳統想像，更在為未來的人機互動，重新定義出新的可能。
＊本文開放合作夥伴轉載，參考資料：《Nature》、《Reuters》、《The Verge》、《New Scientist》，首圖來源：Sony AI