{"id":1345,"date":"2026-04-30T21:11:44","date_gmt":"2026-04-30T19:11:44","guid":{"rendered":"https:\/\/vittrup-graversen.dk\/?p=1345"},"modified":"2026-04-30T21:11:45","modified_gmt":"2026-04-30T19:11:45","slug":"sony-ais-bordtennis-robot-slaar-professionelle-spillere-et-vendepunkt-for-fysisk-ai","status":"publish","type":"post","link":"https:\/\/vittrup-graversen.dk\/index.php\/2026\/04\/30\/sony-ais-bordtennis-robot-slaar-professionelle-spillere-et-vendepunkt-for-fysisk-ai\/","title":{"rendered":"Sony AI’s bordtennis-robot sl\u00e5r professionelle spillere: Et vendepunkt for fysisk AI"},"content":{"rendered":"\n

For f\u00f8rste gang nogensinde har en autonom robot besejret professionelle bordtennisspillere under officielle regler. Sony AI’s Project Ace blev den 23. april 2026 publiceret p\u00e5 forsiden af Nature, og resultaterne markerer en milep\u00e6l inden for robotik og kunstig intelligens, som forskere har jagtet i \u00e5rtier.<\/p>\n\n\n\n

Bordtennis er et af de mest kr\u00e6vende sportsgrene for en robot. Bolden kan bev\u00e6ge sig med hastigheder op til 19,6 meter i sekundet og rotere med op til 450 omdrejninger i sekundet. Spillere skal reagere p\u00e5 br\u00f8kdele af et sekund og konstant tilpasse deres strategi. Det g\u00f8r sporten til en perfekt testb\u00e6nk for det, forskerne kalder “fysisk AI” – systemer der ikke bare t\u00e6nker hurtigt, men ogs\u00e5 handler pr\u00e6cist i den virkelige verden.<\/p>\n\n\n\n

Ni kameraer og 20 millisekunders reaktionstid<\/h2>\n\n\n\n

Ace-systemet er bygget op omkring en specialdesignet robotarm med otte frihedsgrader, fremstillet i lette legeringer optimeret til gentagne, h\u00f8jhastighedsp\u00e5virkninger. Armen er ikke noget standardprodukt fra hylden – den er konstrueret specifikt til at levere den stivhed og pr\u00e6cision, som bordtennis kr\u00e6ver.<\/p>\n\n\n\n

Perceptionssystemet best\u00e5r af ni synkroniserede kameraer med Sonys IMX273 billedsensorer, der tracker bolden med 200 Hz og millimeterpr\u00e6cision. Derudover bruger Ace tre event-baserede visionssensorer (IMX636) til at m\u00e5le boldens rotation i realtid – en kapacitet der har v\u00e6ret en af de st\u00f8rste udfordringer i tidligere bordtennisrobotter. De event-baserede sensorer fungerer fundamentalt anderledes end traditionelle kameraer: i stedet for at tage billeder med faste intervaller registrerer de kun \u00e6ndringer i lysstyrke, hvilket giver en tidsm\u00e6ssig opl\u00f8sning der langt overg\u00e5r konventionel videoteknologi.<\/p>\n\n\n\n

Den samlede latenstid fra sensorinput til fysisk handling er 20,2 millisekunder. Til sammenligning reagerer elitespillere p\u00e5 omkring 230 millisekunder. Det giver Ace en reaktionstid der er mere end ti gange hurtigere end de bedste menneskelige spillere – en fordel der viser sig afg\u00f8rende i h\u00f8jhastighedsdueller.<\/p>\n\n\n\n

Tre lag af reinforcement learning<\/h2>\n\n\n\n

Ace bruger en tre-lags l\u00e6ringsarkitektur baseret p\u00e5 model-fri reinforcement learning (RL). Det nederste lag, “Skill”, styrer de individuelle ledbev\u00e6gelser. Det midterste lag, “Tactics”, h\u00e5ndterer svar p\u00e5 individuelle slag under en rally. Det \u00f8verste lag, “Strategy”, planl\u00e6gger den overordnede kampstrategi.<\/p>\n\n\n\n

Hele systemet er tr\u00e6net i simulation ved hj\u00e6lp af en teknik kaldet “privileged critic”. Under tr\u00e6ningen f\u00e5r den kritiske del af algoritmen adgang til perfekt information, som ikke ville v\u00e6re tilg\u00e6ngelig i en virkelig kamp. Det hj\u00e6lper systemet med at l\u00e6re sensorfusion uden eksplicitte instruktioner. Det bem\u00e6rkelsesv\u00e6rdige er, at den tr\u00e6nede model kan overf\u00f8res direkte til den fysiske robot uden yderligere finjustering – et resultat der viser, hvor pr\u00e6cis simuleringen er blevet.<\/p>\n\n\n\n

Sony AI’s team, ledet af Peter D\u00fcrr (direkt\u00f8r for Sony AI Z\u00fcrich) og Peter Stone (chefforsker hos Sony AI), opdagede undervejs interessante afvigelser mellem simulation og virkelighed. Blandt andet var deres aerodynamiske modberegninger for optimistiske ved h\u00f8je hastigheder, hvilket kr\u00e6vede l\u00f8bende kalibrering mellem de to verdener.<\/p>\n\n\n\n

Sejre over professionelle spillere<\/h2>\n\n\n\n

I de officielle kampe, afholdt under International Table Tennis Federations (ITTF) regler, vandt Ace tre ud af fem kampe mod elitespillere. Robotten servede 16 ureturn\u00e9rbare serv (“aces”) mod elitespillernes otte tilsammen.<\/p>\n\n\n\n

I december 2025 blev Ace testet mod fire nye spillere – to professionelle og to elitespillere. Resultatet: sejr over begge elitespillere og en af de professionelle, mens den tabte til den anden professionelle modstander. I marts 2026 m\u00f8dte Ace tre nye professionelle spillere og vandt mindst \u00e9n kamp mod dem alle. Det er f\u00f8rste gang en robot har n\u00e5et ekspertniveau i en udbredt konkurrencesport i den fysiske verden.<\/p>\n\n\n\n

Peter Stone udtalte: “Det repr\u00e6senterer et skels\u00e6ttende \u00f8jeblik i AI-forskning, der viser at et AI-system kan opfatte, r\u00e6sonnere og handle effektivt i komplekse, hurtigt skiftende milj\u00f8er i den virkelige verden.”<\/p>\n\n\n\n

Hvad betyder det for AI-feltet?<\/h2>\n\n\n\n

Project Ace er interessant af flere grunde. For det f\u00f8rste demonstrerer det, at reinforcement learning kan producere systemer der mestrer opgaver med ekstrem tidspres og fysisk kompleksitet – ikke kun i kontrollerede simuleringer, men i uforudsigelige situationer med menneskelige modstandere. Robotten kunne h\u00e5ndtere sj\u00e6ldne situationer som boldafvisninger p\u00e5 nettet, selvom disse aldrig var eksplicit programmeret.<\/p>\n\n\n\n

For det andet viser projektet en vej for hardware-software integration<\/a> i fysisk AI. Sonys event-baserede sensorer l\u00f8ser et problem, der har plaget robotik i \u00e5revis: hvordan man pr\u00e6cist tracker hurtigt bev\u00e6gende objekter med rotation. Denne teknologi har anvendelser langt ud over bordtennis – fra industriel automation til selvk\u00f8rende k\u00f8ret\u00f8jer.<\/p>\n\n\n\n

Det er dog v\u00e6rd at holde ambitionerne i perspektiv. Bordtennis, trods sin kompleksitet, foreg\u00e5r i et relativt afgr\u00e6nset milj\u00f8 med klare regler. Overf\u00f8rslen til mere ustrukturerede opgaver som husarbejde eller lagerlogistik kr\u00e6ver endnu flere gennembrud. Men som Peter D\u00fcrr p\u00e5peger: “Bordtennis er et spil med enorm kompleksitet, der kr\u00e6ver beslutninger p\u00e5 br\u00f8kdele af sekunder s\u00e5vel som hastighed og kraft.” At mestre den kompleksitet er et n\u00f8dvendigt skridt mod mere generel fysisk intelligens.<\/p>\n\n\n\n

Sony AI har endnu ikke annonceret kommercielle planer for teknologien, men de underliggende komponenter – hurtige event-baserede sensorer, robust sim-til-real transfer og hierarkisk RL – er alle teknologier med bred anvendelse. For AI-systemer der skal operere i den fysiske verden<\/a>, er Project Ace et af de mest overbevisende beviser p\u00e5, at vi n\u00e6rmer os et punkt hvor robotter ikke bare kan t\u00e6nke – men ogs\u00e5 handle – p\u00e5 niveau med mennesker.<\/p>\n\n\n\n

Kilder<\/h2>\n\n\n\n