Ace, o robô de ténis de mesa com IA da Sony AI enfrenta a elite em abril de 2025

O ténis de mesa pode parecer um terreno improvável para pôr a inteligência artificial à prova, mas é precisamente esta modalidade que coloca as máquinas num dos cenários mais exigentes que se consegue imaginar.

A bola desloca-se a grande velocidade, o efeito altera a trajectória em milésimos de segundo e, durante as trocas de bola, os jogadores ajustam-se continuamente ao que acontece do outro lado da mesa.

É neste contexto que uma equipa de investigadores apresentou o Ace, um robô com IA capaz de competir em jogos reais contra jogadores humanos de topo.

Em ensaios com atletas de elite e profissionais, o sistema respondeu a bolas rápidas, lidou com efeitos intensos e manteve-se competente em trocas de alta pressão - um sinal claro de até onde evoluiu a inteligência artificial física.

Ace, o robô de ténis de mesa

Em encontros realizados em abril de 2025, o Ace defrontou cinco jogadores de elite e dois profissionais, num conjunto de condições desenhadas para se aproximarem do ténis de mesa competitivo.

Ao colocarem o robô frente a atletas reais, Peter Dürr, director e engenheiro principal do grupo de investigação em inteligência artificial da Sony (Sony AI), conseguiu registar e analisar jogadas aprendidas quando sujeitas à pressão humana.

Ao longo dessas partidas, o Ace teve de interpretar serviços, ângulos, trocas e efeito - sem transformar o jogo numa demonstração “só para máquinas”.

Essa limitação tornou os resultados mais difíceis de desvalorizar, embora a equidade dependesse sempre de evitar que o robô jogasse com vantagens desproporcionadas.

IA acompanha a troca de bola

Nove câmaras com sensores de pixel activo acompanharam a bola sobre a mesa 200 vezes por segundo. Três sensores de visão baseados em eventos - que detectam pequenas mudanças em vez de imagens completas - seguiram o logótipo impresso na bola para estimar o efeito.

Em conjunto, este conjunto de sensores determinou a posição da bola com uma precisão de cerca de 3,0 milímetros e manteve o atraso médio próximo de 10,2 milissegundos.

Na prática, isto permite ao Ace reagir à posição da bola e antecipar o ressalto esperado após o contacto.

O robô aprendeu ténis de mesa a jogar

Ver a bola era apenas metade do desafio, porque o Ace precisava também de escolher a resposta antes de a troca avançar.

Durante o treino, a aprendizagem por reforço - um método que recompensa decisões melhores - permitiu que o robô aprendesse a partir de pontos simulados em software.

"Não há forma de programar manualmente um robô para jogar ténis de mesa", afirmou Dürr. Esse processo de treino deu ao Ace um leque de competências de remate, fazendo com que cada troca pudesse recorrer a mais do que uma resposta possível.

Manter os jogos justos

A justiça do teste era essencial: uma máquina “demasiado forte” poderia ganhar por força bruta e, ainda assim, ensinar pouco sobre jogo tecnicamente competente.

As regras formais da Federação Internacional de Ténis de Mesa mantiveram familiares as escolhas de raquete, os serviços e a pontuação.

O Ace funcionou com oito graus de liberdade, isto é, as direcções em que as suas articulações podiam mover-se para posicionar e executar o swing da raquete.

Estas limitações fizeram com que os resultados avaliassem sobretudo o tempo de reacção e a tomada de decisão, em vez de dependerem de um “truque” de uma máquina com vantagens injustas.

Ace, o robô de IA, domina o efeito na bola

Os jogadores humanos, em geral, ganhavam pontos com bolas rápidas em topspin, que rodam para a frente e caem depois de ultrapassarem a rede.

O Ace venceu de outra forma: recorreu a vários tipos de efeito e apostou mais na regularidade das devoluções do que em pancadas mais potentes.

Ao longo dos testes, devolveu de forma consistente bolas até 50 km/h e conseguiu lidar com mais de 75 por cento das bolas com cerca de 72 rotações por segundo.

Este padrão tornou o efeito central para o confronto, porque a rotação muda a trajectória e altera o ressalto no revestimento da raquete e na mesa.

Serviços testam o tempo de reacção humano

O serviço deu ao Ace mais uma via para pressionar o tempo de reacção humano antes de as trocas estarem plenamente formadas.

Os engenheiros criaram modelos legais de serviço com um só braço a partir de demonstrações humanas e, depois, testaram as melhores versões com jogadores especialistas.

Contra jogadores de elite, 15 tipos de serviço produziram 16 pontos directos, muitas vezes chamados ases, enquanto esses mesmos adversários obtiveram oito.

Contra jogadores profissionais, os 13 estilos de serviço resultaram em quatro pontos directos, embora os profissionais tenham respondido com sete ases.

Pequenos ressaltos mudam as trocas

As bolas na rede revelaram um desafio diferente, porque um toque mínimo pode arruinar uma devolução planeada. Num caso raro, o robô alterou o movimento 49 milissegundos depois de a bola tocar na rede.

Essa resposta foi possível graças à baixa latência - o atraso entre detectar e agir - combinada com movimentos seguros previamente planeados.

Ocorrências pouco frequentes como esta são relevantes para lá do desporto, onde máquinas podem partilhar espaços movimentados com pessoas e objectos em deslocação.

A velocidade está a mudar a robótica

As fábricas rápidas já utilizam robôs, mas a maioria repete trajectos conhecidos por trás de protecções. O ténis de mesa obrigou o Ace a actuar enquanto uma pessoa mudava o cenário a cada pancada.

"A velocidade é, de facto, um dos problemas fundamentais da robótica hoje, especialmente em cenários ou ambientes que não são fixos", disse Michael Spranger, presidente da Sony AI.

A indústria e o trabalho de serviços podem beneficiar, mas apenas se os sistemas se mantiverem previsíveis, supervisionados e seguros perto de pessoas.

Os humanos ainda têm vantagem

Na avaliação de abril de 2025, os jogadores profissionais continuaram a superar o Ace - e esse limite ajuda a manter a narrativa realista.

Os adversários humanos aprendem durante o próprio encontro, ao passo que o Ace entrou em competição com capacidades fixadas a partir de treino anterior.

Os investigadores consideram que uma melhor modelação do adversário - software capaz de prever as escolhas prováveis do outro jogador - poderá ajudar o robô a melhorar a táctica em trocas mais longas.

Esta limitação é importante porque o ténis de mesa recompensa o tempo certo, a adaptação e a tomada de decisão, e não apenas pancadas isoladas. Locais de trabalho no mundo real exigem o mesmo tipo de juízo continuado sob pressão.

Ainda assim, da visão por câmaras aos serviços, o Ace mostra como a inteligência artificial física consegue juntar percepção, movimento aprendido e hardware em ambientes humanos de ritmo acelerado.

Em particular, houve uma pancada do robô que se destacou para quem pensa no futuro do jogo, indo além do que Kinjiro Nakamura julgava sequer possível.