要點:
8 月7日，谷歌旗下DeepMind公司宣布研發團隊開發出一款乒乓球AI機器人，可在比賽中達到人類業余乒乓球選手的水平。隨着技朮的普及和應用，AI將成為輔助競技體育中不可或缺的一部分，推動體育訓練和比賽向更高的精度和效率邁進，進而引領體育領域的全新變革。
科技正以前所未有的速度和規模發展，引發多個領域的變革，塑造了新的商業模式，甚至重塑了全新社會結構。我們一起，從科技創新中洞察社會轉型和升級的機遇。
狂呼科技研究所聚焦科技創新對當今世界的影響，以獨特、前瞻的科技視角，洞察科技時代下涌現的“創新革命”。
狂呼，以最具突破性的技朮塑造我們的未來，為大眾捕捉科技商業先機，探索當今人類社會面臨的重大挑戰。
聯系我們 // 相關文章
隨着巴黎奧運會的激烈賽程進行，乒乓球項目也備受關註。8月7日，谷歌/Google旗下DeepMind公司宣布研發團隊開發出一款乒乓球AI機器人，可在比賽中達到人類業余乒乓球選手的水平。
實際上作為輔助體育競技的機器，從100多年前的“發球機”發展至今，已經取得重大進展。DeepMind目前已經成功訓練了一款機器人，使其能夠達到相當於業余選手的競技水平，顯著提升了專業運動員的訓練效果。這一成果，甚至被行業內認為是首次將機器人訓練到可以與人類業餘運動員進行同層次的運動對抗，成為了AI輔助體育競技的一大新突破。
首個乒乓球AI機器人
與象棋、圍棋等純戰略游戲不同，乒乓球對機器人的綜合能力提出了更高要求，如高速運動、實時精准控制、戰略決策和系統設計。自20世紀80年代起，不少研究人員將乒乓球作為機器人測試的基准并開發了多款乒乓球機器人，而Google DeepMind無疑是一個新的突破。
在這項研究中，Google DeepMind團隊通過分層和模塊化策略、任務分布迭代、模擬適配層、域隨機化、實時適應未知對手及硬件部署等技朮，實現了機器人在競技乒乓球比賽中達到業余人類選手水平。
研究人員創建了一個乒乓球狀態數據集，涵蓋位置、旋轉和速度信息。系統從該數據集中提取數據，在模擬環境中准確反映乒乓球比賽的物理原理，以學習接發球、正手上旋球和反手擊球等技能。由於機器人無法發球，現實世界的游戲場景被調整以適應這一限制。
在與人類選手的對抗中，機器人收集了其表現數據以優化技能。通過一對攝像機捕捉的球的位置數據和對手球拍上LED的動作捕捉系統，機器人可以追蹤人類對手的比賽風格。球的數據被反饋到模擬中進行訓練，從而形成一個連續的反饋循環，使機器人能夠測試新技能和調整策略。
這種反饋機制使機器人能夠像人類一樣調整策略和行為，隨着比賽次數的增加，其表現不斷提高。然而，當球擊打得非常快、超出視野（如高於球桌六英尺）或極低時，系統難以擊球，因為協議要求避免可能損壞球拍的碰撞。此外，旋轉球的挑戰在於缺乏直接測量旋轉的能力，高級玩家迅速利用了這一限制。
為了評估智能體的技能水平，該機器人與29名乒乓球運動員進行了比賽，這些運動員的技能水平分別為初學者、中級、高級和超高級，由專業教練評定。機器人使用的是一款裝配在兩個Festo線性龍門架上的6自由度ABB 1100手臂，能夠在二維平面上移動。龍門架橫跨桌子，長度為4米，縱向可移動2米。此外，手臂上裝有一個3D打印的球拍手柄和短顆粒橡膠的球拍。
該系統還具備適應對手風格的能力，通過跟蹤對手的行為和比賽風格（例如偏好將球打向桌子的某一側），機器人能夠嘗試不同技能、監控成功率，并即時調整策略。
評估過程中，每位選手與機器人進行3局比賽，釆用標准11分制，但不遵循“三局兩勝”的規則，每場比賽均完整進行3局。由於機器人無法發球，比賽規則有所調整，人類選手在發球階段無法得分或失分。
面對所有對手，機器人對低、中、高、超高級別選手的平均得分率分別為72%、50%、34%和34%
按技能水平分類，在面對初級和中級玩家時，機器人總能贏得第一局，勝率為100%。然而在第二局中，機器人對中級選手的勝率下降至27%，但在第三局回升至36%。DeepMind的賽后分析指出，人類玩家在第一局往往需要適應新環境。在第二局，他們能夠識別機器人的弱點并進行針對性進攻。而在第三局，機器人通過學習對手的打法提高了勝率。在對抗中級選手時，機器人贏得了55%的比賽，顯示出其在回合中達到了中級人類玩家的水平。
盡管如此，由於硬件和技朮的限制，AI機器人在面對高級運動員時仍顯不足，特別是在應對快速球時容易處於劣勢。影響因素包括反應速度、攝像頭感應能力、旋轉處理以及球拍的橡膠材質，這些都使得機器人難以在模擬中進行准確建模。
而對於AI機器人與真實人類的比賽，大眾的評價也是趨於積極、接受的態度
大多數玩家在“有趣”和“吸引人”方面都給予了高度評價，其中超過70%的玩家表示願意再次與機器人對戰。這種評價在各個技能水平的參與者中都一致，無論比賽結果如何。玩家們提到，機器人提供了動態和刺激的體驗，并在高速性能與人類舒適度之間取得了平衡。
對於高級選手而言，即使他們發現了其策略中的弱點，比如對下旋球的不擅長，但仍然對“人機對戰”充滿興趣。他們認為這種體驗既有趣又吸引人，并認為機器人作為一個練習伙伴具有很大潛力，甚至比傳統的發球機更為有趣、有效。
但儘管如此，研究團隊也指出，該機器人學習系統仍存在一些局限性，如對快速球和低球的反應能力不足、旋轉檢測精度低以及缺乏多球策略戰朮等。未來的研究將着重於提升機器人對各種球的處理能力、學習更復雜的策略和改進運動捕捉技朮。
實際上，DeepMind團隊對乒乓球機器人的研究已經持續了數年
2020年，DeepMind推出了一種無模型算法，該算法通過以每秒100次的頻率控制機器人的關節，成功實現了在各種發球中80%的回球率。到2022年7月，Google進一步發布了i-Sim2Real技朮，利用深度強化學習使機器人能夠在高速動態環境中進行乒乓球比賽，并與人類玩家連續互動超過4分鐘，完成340次擊球。
在2023年9月，Google團隊展示了其在機器人乒乓球高速學習系統方面的進展。通過整合優化的感知子系統和高速低延遲的機器人控制器，團隊實現了物理機器人上的自主訓練和評估，使其比之前更為靈活。這些進展不僅提升了機器人的性能，還為進一步的技朮迭代奠定了基礎。
Google研究人員表示，近日推出的這款乒乓球AI機器人不僅在乒乓球領域具有重要意義，其底層技朮也具有廣泛的應用潛力，能夠在制造業、醫療保健等領域執行需要快速反應和適應不可預測人類行為的任務。雖然這款機器人尚未達到高級選手的水平，但考慮到DeepMind在AI領域的強大技朮積累，如AlphaGo和AlphaZero，未來有望與國際頂尖選手一較高下。
在乒乓球領域，DeepMind團隊研發的乒乓球AI機器人標志着體育競技技朮的一個重要突破。這一創新不僅推動了體育技朮的發展，也代表了輔助訓練設備的重大進步。從早期的“發球機”到今天的人工智能AI機器人，這一演變見證了“體育輔助設備”在提升訓練效果和競技水平方面的曆史性變革。
發球機的前世今生
回顧體育輔助設備的發展曆史，我們可以追溯到“網球發球機”的起源。最早的網球發球機由法國網球明星雷內·拉科斯特/René Lacoste引入，他不僅是場上的大師，還在網球技朮的創新方面作出了重要貢獻。在1920年代，拉科斯特與體育公司鄧祿普/Dunlop合作，獲得了手搖網球發射器的專利。這種發球機能夠讓運動員在訓練中進行無數次的擊球重復，有效提升了技朮水平。
1950年代，電動發球機開始出現在網球俱樂部，但未能廣泛普及。這些機器使用高張力彈簧將裝有擊球頭的杆子發射到球上，機器的速度和擊球軌跡可以調節。到了1968年，銷售主管兼網球愛好者羅伯特·H·麥克盧爾/Robert H. McClure在75歲高齡時制造了新型網球發射機。這台名為“小王子”的機器利用真空吸塵器電機產生氣壓，將網球發射出去，成功引發了網球發球機行業的革命，并促成了王子公司/Prince的成立，該公司至今仍繼續生產網球設備。
隨着時間的推移，網球發球機的技朮不斷進步，從氣動機械到現代電池供電的便攜式設備，滿足了不同用戶的需求。如今，市場上競爭激烈，頂級品牌如Spinfire和Lobster提供了各種創新和高效的發球解決方案。這一系列發展不僅展示了技朮的演變，也彰顯了體育訓練設備在提高運動員表現中的重要作用。體育輔助設備的發展曆程，不僅是對技朮進步的見證，更是對訓練效果不斷追求的體現，推動了各類運動的科學化和專業化。
但現實卻是，盡管全球許多運動員已經使用發球機來輔助日常訓練，但這種設備在實際應用中的普及度仍然有限。最主要原因在於球類競技運動是一項人與人之間的對抗性運動，而非對抗機器。自動發球機通常被視為缺乏人情味的“冷血機器”，更多被用作娛樂設備，而非訓練助手。
DeepMind最近的突破標志着人工智能在運動訓練領域的一個重要里程碑，樹立了未來訓練系統的新標准。這款機器人能夠模擬與人類對手相似的挑戰，從而顯著提升訓練效果，為運動員在復雜對抗場景中的實際比賽做好了更充分的准備。這一進展不僅推動了運動訓練技朮的前沿，也激發了公眾對AI在體育競技輔助領域可能帶來的新突破和發展進行深入思考。
AI輔助體育競技的未來
AI和機器人技朮在專業賽事訓練中的輔助應用成為許多體育項目訓練的一部分。越來越多的體育機搆和團隊正在利用這些先進技朮來提升運動員的表現和訓練效果。
例如，在籃球領域，美國NBA球隊金州勇士隊/Golden State Warriors早在2019年就引入了一種名為"Dr. Dish"的先進籃球訓練輔助系統。Dr. Dish是一款利用AI和機器人技朮的籃球發球機，能夠自動調整發球角度、速度和旋轉，模擬各種比賽場景。這種訓練系統能夠為運動員提供精准的訓練，幫助他們在不同的情況下提高投籃的准確性和穩定性。
Dr. Dish不僅可以進行定制化訓練，還能夠通過內置的傳感器和AI算法分析運動員的投籃數據，提供實時反饋。這種技朮讓教練和運動員能夠深入了解他們的技朮細節，如投籃角度、力度和動作一致性，從而做出針對性的調整和改進。通過這種數據驅動的方法，球隊能夠提高訓練效率和比賽表現。
這類技朮的引入不僅提高了訓練的科學性和有效性，還使得訓練過程變得更加個性化和精細化。AI和機器人技朮的應用正在幫助運動員在更高的層次上進行訓練，并為他們的比賽准備提供了新的可能性。
而在中國，乒乓球學院也早在2020年就引入了AI發球機器人進行輔助訓練，這種機器人可以同時服務於三名球員，并根據不同層次的需求提供定制化訓練。此外，AI輔助訓練也在籃球、跳水、帆船、游泳等多個項目的備戰中得到應用，為運動員提供了個性化和精准的訓練指導。
隨着技朮的不斷進步，這種AI輔助技術的應用范圍有可能擴展到更多的體育項目中，從而改變傳統訓練模式和比賽策略。
通過利用機器學習和數據分析，AI輔助技術能夠為運動員提供個性化的訓練計划，精准評估他們的技朮和體能水平。例如，AI可以實時分析運動員的動作數據，識別其優缺點，并提出針對性的改進建議。這種精准的數據驅動方法不僅提高了訓練效率，還能幫助運動員在比賽中更好地應對對手，提升競技水平。
此外，AI輔助技術的發展還將可能重塑體育競技的比賽方式和策略。未來的比賽中，AI可能會成為教練和戰朮分析的重要工具，幫助團隊制定更為科學和有效的比賽策略。AI輔助技術能夠模擬各種比賽情境，預測對手的行為模式，并提供實時戰朮調整建議。通過這種方式，AI將不僅僅是訓練伙伴，更可能成為影響比賽結果的重要因素，對競技體育的未來發展產生深遠影響。
人工智能的不斷進步將深刻地改變競技體育的未來。通過提供個性化訓練、實時數據分析和戰略預測，AI輔助技術不僅提升了運動員的訓練效果和比賽表現，還重塑了比賽策略和戰朮制定的方式。隨着技朮的普及和應用，AI輔助將成為競技體育中不可或缺的一部分，推動體育訓練和比賽向更高的精度和效率邁進，進而引領體育領域的全新變革。
