要点:
8 月7日，谷歌旗下DeepMind公司宣布研发团队开发出一款乒乓球AI机器人，可在比赛中达到人类业余乒乓球选手的水平。随着技术的普及和应用，AI将成为辅助竞技体育中不可或缺的一部分，推动体育训练和比赛向更高的精度和效率迈进，进而引领体育领域的全新变革。
科技正以前所未有的速度和规模发展，引发多个领域的变革，塑造了新的商业模式，甚至重塑了全新社会结构。我们一起，从科技创新中洞察社会转型和升级的机遇。
狂呼科技研究所聚焦科技创新对当今世界的影响，以独特、前瞻的科技视角，洞察科技时代下涌现的“创新革命”。
狂呼，以最具突破性的技术塑造我们的未来，为大众捕捉科技商业先机，探索当今人类社会面临的重大挑战。
联系我们// 相关文章
随着巴黎奥运会的激烈赛程进行，乒乓球项目也备受关注。 8月7日，谷歌/Google旗下DeepMind公司宣布研发团队开发出一款乒乓球AI机器人，可在比赛中达到人类业余乒乓球选手的水平。
实际上作为辅助体育竞技的机器，从100多年前的“发球机”发展至今，已经取得重大进展。 DeepMind目前已经成功训练了一款机器人，使其能够达到相当于业余选手的竞技水平，显著提升了专业运动员的训练效果。这一成果，甚至被行业内认为是首次将机器人训练到可以与人类业余运动员进行同层次的运动对抗，成为了AI辅助体育竞技的一大新突破。
首个乒乓球AI机器人<br data-mce-fragment="1">与象棋、围棋等纯战略游戏不同，乒乓球对机器人的综合能力提出了更高要求，如高速运动、实时精准控制、战略决策和系统设计。自20世纪80年代起，不少研究人员将乒乓球作为机器人测试的基准并开发了多款乒乓球机器人，而Google DeepMind无疑是一个新的突破。
在这项研究中，Google DeepMind团队通过分层和模块化策略、任务分布迭代、模拟适配层、域随机化、实时适应未知对手及硬件部署等技术，实现了机器人在竞技乒乓球比赛中达到业余人类选手水平。
研究人员创建了一个乒乓球状态数据集，涵盖位置、旋转和速度信息。系统从该数据集中提取数据，在模拟环境中准确反映乒乓球比赛的物理原理，以学习接发球、正手上旋球和反手击球等技能。由于机器人无法发球，现实世界的游戏场景被调整以适应这一限制。
在与人类选手的对抗中，机器人收集了其表现数据以优化技能。通过一对摄像机捕捉的球的位置数据和对手球拍上LED的动作捕捉系统，机器人可以追踪人类对手的比赛风格。球的数据被反馈到模拟中进行训练，从而形成一个连续的反馈循环，使机器人能够测试新技能和调整策略。
这种反馈机制使机器人能够像人类一样调整策略和行为，随着比赛次数的增加，其表现不断提高。然而，当球击打得非常快、超出视野（如高于球桌六英尺）或极低时，系统难以击球，因为协议要求避免可能损坏球拍的碰撞。此外，旋转球的挑战在于缺乏直接测量旋转的能力，高级玩家迅速利用了这一限制。
为了评估智能体的技能水平，该机器人与29名乒乓球运动员进行了比赛，这些运动员的技能水平分别为初学者、中级、高级和超高级，由专业教练评定。机器人使用的是一款装配在两个Festo线性龙门架上的6自由度ABB 1100手臂，能够在二维平面上移动。龙门架横跨桌子，长度为4米，纵向可移动2米。此外，手臂上装有一个3D打印的球拍手柄和短颗粒橡胶的球拍。
该系统还具备适应对手风格的能力，通过跟踪对手的行为和比赛风格（例如偏好将球打向桌子的某一侧），机器人能够尝试不同技能、监控成功率，并即时调整策略。
评估过程中，每位选手与机器人进行3局比赛，釆用标准11分制，但不遵循“三局两胜”的规则，每场比赛均完整进行3局。由于机器人无法发球，比赛规则有所调整，人类选手在发球阶段无法得分或失分。
面对所有对手，机器人对低、中、高、超高级别选手的平均得分率分别为72%、50%、34%和34%
按技能水平分类，在面对初级和中级玩家时，机器人总能赢得第一局，胜率为100%。然而在第二局中，机器人对中级选手的胜率下降至27%，但在第三局回升至36%。 DeepMind的赛后分析指出，人类玩家在第一局往往需要适应新环境。在第二局，他们能够识别机器人的弱点并进行针对性进攻。而在第三局，机器人通过学习对手的打法提高了胜率。在对抗中级选手时，机器人赢得了55%的比赛，显示出其在回合中达到了中级人类玩家的水平。
尽管如此，由于硬件和技术的限制，AI机器人在面对高级运动员时仍显不足，特别是在应对快速球时容易处于劣势。影响因素包括反应速度、摄像头感应能力、旋转处理以及球拍的橡胶材质，这些都使得机器人难以在模拟中进行准确建模。
而对于AI机器人与真实人类的比赛，大众的评价也是趋于积极、接受的态度
大多数玩家在“有趣”和“吸引人”方面都给予了高度评价，其中超过70%的玩家表示愿意再次与机器人对战。这种评价在各个技能水平的参与者中都一致，无论比赛结果如何。玩家们提到，机器人提供了动态和刺激的体验，并在高速性能与人类舒适度之间取得了平衡。
对于高级选手而言，即使他们发现了其策略中的弱点，比如对下旋球的不擅长，但仍然对“人机对战”充满兴趣。他们认为这种体验既有趣又吸引人，并认为机器人作为一个练习伙伴具有很大潜力，甚至比传统的发球机更为有趣、有效。
但尽管如此，研究团队也指出，该机器人学习系统仍存在一些局限性，如对快速球和低球的反应能力不足、旋转检测精度低以及缺乏多球策略战术等。未来的研究将着重于提升机器人对各种球的处理能力、学习更复杂的策略和改进运动捕捉技术。
实际上，DeepMind团队对乒乓球机器人的研究已经持续了数年
2020年，DeepMind推出了一种无模型算法，该算法通过以每秒100次的频率控制机器人的关节，成功实现了在各种发球中80%的回球率。到2022年7月，Google进一步发布了i-Sim2Real技术，利用深度强化学习使机器人能够在高速动态环境中进行乒乓球比赛，并与人类玩家连续互动超过4分钟，完成340次击球。
在2023年9月，Google团队展示了其在机器人乒乓球高速学习系统方面的进展。通过整合优化的感知子系统和高速低延迟的机器人控制器，团队实现了物理机器人上的自主训练和评估，使其比之前更为灵活。这些进展不仅提升了机器人的性能，还为进一步的技术迭代奠定了基础。
Google研究人员表示，近日推出的这款乒乓球AI机器人不仅在乒乓球领域具有重要意义，其底层技术也具有广泛的应用潜力，能够在制造业、医疗保健等领域执行需要快速反应和适应不可预测人类行为的任务。虽然这款机器人尚未达到高级选手的水平，但考虑到DeepMind在AI领域的强大技术积累，如AlphaGo和AlphaZero，未来有望与国际顶尖选手一较高下。
在乒乓球领域，DeepMind团队研发的乒乓球AI机器人标志着体育竞技技术的一个重要突破。这一创新不仅推动了体育技术的发展，也代表了辅助训练设备的重大进步。从早期的“发球机”到今天的人工智能AI机器人，这一演变见证了“体育辅助设备”在提升训练效果和竞技水平方面的历史性变革。
发球机的前世今生<br data-mce-fragment="1">回顾体育辅助设备的发展历史，我们可以追溯到“网球发球机”的起源。最早的网球发球机由法国网球明星雷内·拉科斯特/René Lacoste引入，他不仅是场上的大师，还在网球技术的创新方面作出了重要贡献。在1920年代，拉科斯特与体育公司邓禄普/Dunlop合作，获得了手摇网球发射器的专利。这种发球机能够让运动员在训练中进行无数次的击球重复，有效提升了技术水平。
1950年代，电动发球机开始出现在网球俱乐部，但未能广泛普及。这些机器使用高张力弹簧将装有击球头的杆子发射到球上，机器的速度和击球轨迹可以调节。到了1968年，销售主管兼网球爱好者罗伯特·H·麦克卢尔/Robert H. McClure在75岁高龄时制造了新型网球发射机。这台名为“小王子”的机器利用真空吸尘器电机产生气压，将网球发射出去，成功引发了网球发球机行业的革命，并促成了王子公司/Prince的成立，该公司至今仍继续生产网球设备。
随着时间的推移，网球发球机的技术不断进步，从气动机械到现代电池供电的便携式设备，满足了不同用户的需求。如今，市场上竞争激烈，顶级品牌如Spinfire和Lobster提供了各种创新和高效的发球解决方案。这一系列发展不仅展示了技术的演变，也彰显了体育训练设备在提高运动员表现中的重要作用。体育辅助设备的发展历程，不仅是对技术进步的见证，更是对训练效果不断追求的体现，推动了各类运动的科学化和专业化。
但现实却是，尽管全球许多运动员已经使用发球机来辅助日常训练，但这种设备在实际应用中的普及度仍然有限。最主要原因在于球类竞技运动是一项人与人之间的对抗性运动，而非对抗机器。自动发球机通常被视为缺乏人情味的“冷血机器”，更多被用作娱乐设备，而非训练助手。
DeepMind最近的突破标志着人工智能在运动训练领域的一个重要里程碑，树立了未来训练系统的新标准。这款机器人能够模拟与人类对手相似的挑战，从而显著提升训练效果，为运动员在复杂对抗场景中的实际比赛做好了更充分的准备。这一进展不仅推动了运动训练技术的前沿，也激发了公众对AI在体育竞技辅助领域可能带来的新突破和发展进行深入思考。
AI辅助体育竞技的未来
AI和机器人技术在专业赛事训练中的辅助应用成为许多体育项目训练的一部分。越来越多的体育机构和团队正在利用这些先进技术来提升运动员的表现和训练效果。
例如，在篮球领域，美国NBA球队金州勇士队/Golden State Warriors早在2019年就引入了一种名为"Dr. Dish"的先进篮球训练辅助系统。 Dr. Dish是一款利用AI和机器人技术的篮球发球机，能够自动调整发球角度、速度和旋转，模拟各种比赛场景。这种训练系统能够为运动员提供精准的训练，帮助他们在不同的情况下提高投篮的准确性和稳定性。
Dr. Dish不仅可以进行定制化训练，还能够通过内置的传感器和AI算法分析运动员的投篮数据，提供实时反馈。这种技术让教练和运动员能够深入了解他们的技术细节，如投篮角度、力度和动作一致性，从而做出针对性的调整和改进。通过这种数据驱动的方法，球队能够提高训练效率和比赛表现。
这类技术的引入不仅提高了训练的科学性和有效性，还使得训练过程变得更加个性化和精细化。 AI和机器人技术的应用正在帮助运动员在更高的层次上进行训练，并为他们的比赛准备提供了新的可能性。
而在中国，乒乓球学院也早在2020年就引入了AI发球机器人进行辅助训练，这种机器人可以同时服务于三名球员，并根据不同层次的需求提供定制化训练。此外，AI辅助训练也在篮球、跳水、帆船、游泳等多个项目的备战中得到应用，为运动员提供了个性化和精准的训练指导。
随着技术的不断进步，这种AI辅助技术的应用范围有可能扩展到更多的体育项目中，从而改变传统训练模式和比赛策略。
通过利用机器学习和数据分析，AI辅助技术能够为运动员提供个性化的训练计划，精准评估他们的技术和体能水平。例如，AI可以实时分析运动员的动作数据，识别其优缺点，并提出针对性的改进建议。这种精准的数据驱动方法不仅提高了训练效率，还能帮助运动员在比赛中更好地应对对手，提升竞技水平。
此外，AI辅助技术的发展还将可能重塑体育竞技的比赛方式和策略。未来的比赛中，AI可能会成为教练和战术分析的重要工具，帮助团队制定更为科学和有效的比赛策略。 AI辅助技术能够模拟各种比赛情境，预测对手的行为模式，并提供实时战术调整建议。通过这种方式，AI将不仅仅是训练伙伴，更可能成为影响比赛结果的重要因素，对竞技体育的未来发展产生深远影响。
人工智能的不断进步将深刻地改变竞技体育的未来。通过提供个性化训练、实时数据分析和战略预测，AI辅助技术不仅提升了运动员的训练效果和比赛表现，还重塑了比赛策略和战术制定的方式。随着技术的普及和应用，AI辅助将成为竞技体育中不可或缺的一部分，推动体育训练和比赛向更高的精度和效率迈进，进而引领体育领域的全新变革。
