Ace: cuando un brazo robótico cambia las reglas del tenis de mesa

El tenis de mesa dejó de ser sólo un deporte humano. En un laboratorio de Sony en Tokio, un brazo robótico llamado Ace ha demostrado jugar a un nivel que compite —y a veces vence— a atletas profesionales. Detrás del espectáculo hay varias capas tecnológicas: cámaras distribuidas, detección de giro mediante logos en la pelota, un actuador con ocho grados de libertad y, sobre todo, aprendizaje automático por refuerzo que enseñó al robot a aprender de la experiencia en vez de seguir reglas programadas a mano.

Un desafío de velocidad, precisión y adaptación

El principal reto para cualquier robot que quiera competir con un humano en un deporte de raqueta no es solamente golpear la pelota, sino hacerlo de forma adaptable y rápida en un entorno no estructurado. Las soluciones tradicionales de robótica industrial alcanzan velocidades asombrosas, pero repiten trayectorias fijas en entornos controlados. Ace intenta algo distinto: percibir, decidir y ejecutar en fracciones de segundo, manteniendo condiciones de juego comparables a las de un jugador humano experto.

Michael Spranger, presidente de Sony AI, resumió este salto de enfoque: “Vemos muchos robots en fábricas que son muy, muy rápidos, pero ejecutan la misma trayectoria una y otra vez. Con esta tecnología mostramos que es posible entrenar robots para ser muy adaptativos y competitivos en entornos inciertos que cambian constantemente.” (Sony AI, entrevista citada en el estudio publicado en Nature).

Cómo se entrenó a Ace: la mano del aprendizaje por refuerzo

Programar manualmente cada posible respuesta en un juego como el tenis de mesa es prácticamente imposible por la variabilidad de la física: distintos efectos de giro (spin), velocidades, ángulos y errores humanos. Por eso Sony utilizó aprendizaje por refuerzo, una técnica de inteligencia artificial en la que un agente mejora su política (estrategia) por ensayo y error, recibiendo recompensas por acciones exitosas.

En la práctica, Ace entrenó millones de repeticiones virtuales y físicas para aprender a posicionar la raqueta, ajustar la velocidad y aplicar efectos, priorizando no sólo devolver la bola sino hacerlo tácticamente para ganar puntos. El robot no “conoce” el tenis de mesa a partir de reglas humanas: aprende qué secuencias de acciones llevan a mayores recompensas en contextos reales.

Percepción superior: nueve ojos y la lectura del logo

Una de las señas de identidad de Ace es su sistema de percepción: nueve cámaras colocadas alrededor de la mesa que le conceden una visión sintética del entorno. Más allá del simple seguimiento de la pelota, Ace utiliza la marca o logo impreso en la superficie de la pelota para estimar su rotación (spin), una técnica que potencia enormemente su capacidad de anticipación.

La medición del giro es fundamental: un efecto slice o topspin cambia radicalmente la trayectoria después del bote. Para un humano es difícil cuantificar el giro de forma instantánea; Ace lo hace con sensores y algoritmos de visión por computador, lo que le permite ajustar el ángulo de la pala y la velocidad del golpe en milisegundos.

Un campo “olímpico” para lograr paridad

Conscientes de las críticas habituales —que los robots ganan por ventajas físicas irreales—, los investigadores de Sony construyeron una pista de dimensiones reglamentarias en su sede de Tokio y delimitaron parámetros para que la comparación fuese lo más justa posible. Según Peter Dürr, coautor del estudio publicado en Nature, “No hay forma de programar a mano un robot para jugar tenis de mesa. Tienes que aprender a jugar desde la experiencia.” (Dürr, estudio en Nature).

Los técnicos buscaron comparar a Ace con jugadores que entrenan al menos 20 horas por semana y limitaron características físicas como alcance y velocidad para evitar ventajas insultantes. “Es muy fácil construir un robot ‘sobrehumano’: solo pones un mecanismo que atrapa la pelota y la lanza a velocidades que ningún humano podría devolver. Ese no es el objetivo”, afirmaba Spranger.

Resultados y reacciones: tiros que los humanos consideraban imposibles

En pruebas con jugadores profesionales japoneses —entre ellos Minami Ando, Kakeru Sone y el olímpico Kinjiro Nakamura—, Ace derrotó a la mayoría de los rivales seleccionados en diciembre, mejorando su agresividad y velocidad tras seguir entrenando incluso después de enviar el estudio a revisión por pares.

Las reacciones fueron mixtas. Nakamura, al observar un golpe de Ace, comentó: “Nadie más habría podido hacer eso. No pensé que fuera posible. Pero que ahora lo haga el robot significa que también podría ser posible para un humano.” Esta reflexión, reproducida en la publicación de Sony en Nature, subraya cómo la innovación tecnológica puede elevar el umbral de lo que se considera factible.

También hubo voces críticas que señalaron la asimetría perceptual: John Billingsley, pionero en la investigación de robots para ping-pong desde 1983, observó que el uso de múltiples cámaras y sensores ofrece a Ace una ventaja sensorial frente a los humanos, y comparó la estrategia con técnicas de fuerza bruta en ingeniería: “Han afrontado la tarea con mano multitudinaria y técnicas de maza.” Aun así, reconoció el valor experimental de la contienda.

De la cancha al mundo real: aplicaciones y dilemas éticos

Más allá del espectáculo deportivo, el progreso de Ace es relevante por dos motivos prácticos. Primero, demuestra que es posible entrenar robots para tareas que requieren combinación de percepción, toma de decisión veloz y precisión motora: cualidades esenciales en manufactura avanzada, cirugía robótica y logística de alta demanda.

Segundo, la tecnología plantea preguntas éticas y de uso dual. Spranger mismo comentó que este tipo de hardware “no es difícil imaginarlo en escenarios bélicos”, una preocupación que subraya la necesidad de marcos regulatorios y salvaguardas para evitar usos perjudiciales.

En términos económicos, la automatización avanzada tiene potencial para aumentar productividad: un informe de la OECD (2021) estimó que hasta el 14% de los empleos actuales están altamente automatizables, y otro 32% podría experimentar cambios significativos en tareas. Si robots como Ace se adaptan a industrias no estructuradas, el impacto podría ser aún mayor. Esa transformación exige políticas públicas que acompañen la reconversión laboral y la capacitación.

Contexto histórico: de Billingsley a la “era ChatGPT” de la robótica

La idea de robots que juegan al ping-pong no es nueva: en 1983 John Billingsley publicó trabajos tempranos sobre la materia. Sin embargo, el progreso reciente en modelos de aprendizaje profundo y la disponibilidad de mayor potencia de cálculo han confluido en lo que algunos líderes del campo llaman un “momento ChatGPT para la robótica”: un punto de inflexión en que técnicas de IA que triunfaron en dominios virtuales (juegos, lenguaje) se trasladan con éxito al mundo físico.

Ejemplos anteriores incluyen AlphaGo (DeepMind, 2016) que venció a campeones humanos en Go mediante aprendizaje profundo y auto-juego, y avances en robots humanoides que realizan acrobacias y carreras. Ace representa un caso emblemático porque se enfrenta a oponentes humanos en tiempo real, integrando percepción multimodal y control motor de alta frecuencia.

Qué viene ahora: retos técnicos y sociales

• Robustez y generalización: entrenar robots que funcionen fuera de condiciones experimentales y en entornos reales, con variaciones no anticipadas.
• Equidad en la evaluación: definir métricas y protocolos que garanticen comparaciones justas entre máquinas y humanos sin ventajas sensoriales artificiales.
• Seguridad y ética: regular el desarrollo y aplicación de hardware que combine velocidad, precisión y adaptabilidad para evitar usos nocivos.
• Impacto laboral: diseñar políticas que minimicen efectos negativos sobre empleo y promuevan la formación técnica en habilidades complementarias a la automatización.

El triunfo técnico de Ace es, en última instancia, una invitación a debatir cómo queremos integrar máquinas cada vez más capaces en la sociedad. ¿Las veremos pronto como entrenadores virtuales que mejoren la técnica de jugadores humanos o como obreros en líneas de montaje que re-definan la productividad? Probablemente ambas cosas, siempre que se tomen decisiones conscientes sobre gobernanza y límites éticos.

En la pista, Ace demuestra que la frontera entre lo humano y lo algorítmico es maleable: a medida que los robots aprenden por experiencia, lo que hoy parece un triunfo tecnológico puede mañana convertirse en una herramienta cotidiana. Y mientras celebramos los golpes imposibles, conviene recordar la doble vertiente del avance: potencial extraordinario para el bienestar y riesgos que merecen regulación y supervisión social.