Superar a jugadores de tenis de mesa de élite con un robot autónomo

Los robots entran en la escena deportiva

Imagínese enfrentarse a un robot al otro lado de una mesa de tenis de mesa y descubrir que no solo intercambia golpes con usted, sino que puede derrotar a competidores experimentados. Este artículo presenta a Ace, un robot autónomo de tenis de mesa que juega al nivel de atletas humanos de élite. Más allá de ser un aparato deportivo llamativo, Ace ofrece una visión de un futuro en el que las máquinas gestionan interacciones físicas y ultrarrápidas con personas en entornos cotidianos, desde fábricas hasta asistentes domésticos.

Por qué el tenis de mesa es una prueba exigente

El tenis de mesa es mucho más exigente de lo que puede parecer en televisión. En el juego de alto nivel, la pelota puede viajar a más de 20 metros por segundo, y los jugadores a veces disponen de menos de medio segundo entre golpes para ver, decidir y moverse. Además de la velocidad, el giro de la pelota—su rápida rotación—desvía su trayectoria por el aire y cambia cómo rebota en la mesa y en la pala. Los giros pueden superar los 1.000 radianes por segundo, provocando efectos que hacen que los tiros se curven o boten de manera difícil de predecir. Robots de tenis de mesa anteriores eludían gran parte de esta complejidad lanzando pelotas desde máquinas simples, usando áreas de juego reducidas o ignorando en gran medida el efecto de giro. Ace, en cambio, afronta el reto completo de partidos reales jugados con equipo estándar y reglamentos oficiales.

Ver una pelota que se mueve a gran velocidad en tiempo real

Para lidiar con tal velocidad, Ace necesita una visión excepcional. El sistema emplea nueve cámaras convencionales colocadas alrededor de una pista de tamaño olímpico para rastrear la pelota en tres dimensiones. Estas cámaras miden la posición de la pelota unas 200 veces por segundo con una precisión de milímetros y con apenas unos pocos milisegundos de retraso. Sin embargo, la posición por sí sola no basta. El giro es crítico en el juego serio, por lo que Ace también utiliza tres unidades especializadas de “control de mirada”, cada una combinando un sensor basado en eventos de alta velocidad, espejos de orientación y una lente teleobjetivo. En lugar de registrar imágenes completas, estos sensores registran solo cambios de brillo en cada píxel, produciendo flujos de diminutos “eventos” que capturan el movimiento con un desenfoque extremadamente bajo. Al alimentar estos eventos a una red neuronal y a un segundo algoritmo más preciso, Ace estima la velocidad y la dirección del giro de la pelota hasta varias centenas de veces por segundo. El sistema combina estas mediciones, eligiendo la mejor estimación en cada momento, y las transmite al software de control que decide cómo debe moverse el robot.

Cómo el robot elige y ejecuta sus golpes

El “cerebro” de Ace está formado por un conjunto de políticas de control aprendidas mediante aprendizaje profundo por refuerzo, un método en el que el software mejora mediante ensayo y error virtual. En simulación, el robot practica repetidamente la devolución de golpes individuales, guiado por una señal de recompensa que favorece devoluciones exitosas con características específicas, como un top-spin fuerte o puntos de caída precisos. Un giro inteligente en el procedimiento de entrenamiento permite que el algoritmo de aprendizaje use información simulada perfecta tras bambalinas, mientras que las políticas en sí ven solo lecturas de sensores ruidosas y realistas, lo que facilita su transferencia al mundo real. Durante un intercambio, cada 32 milisegundos Ace recibe un historial actualizado de los estados de la pelota y del robot, selecciona una de varias “habilidades” aprendidas y produce una acción abstracta. Esta acción se convierte mediante una rutina de optimización en una trayectoria detallada y suave de las articulaciones que respeta los límites de velocidad y evita colisiones con la mesa o con el propio robot. En paralelo, otro planificador prepara constantemente un movimiento de “reinicio” seguro para que el brazo pueda recuperarse rápidamente y estar listo para el siguiente golpe.

Cuerpo diseñado a medida para el juego atlético

Para igualar la agilidad humana, el equipo diseñó un brazo robótico dedicado con ocho articulaciones—dos articulaciones lineales y seis rotatorias—que proporcionan la libertad suficiente para posicionar, inclinar y balancear la pala como un atleta hábil. El brazo está hecho de estructuras metálicas ligeras y resistentes optimizadas por algoritmos informáticos y fabricadas mediante impresión aditiva, lo que permite movimientos rápidos sin perder rigidez. El extremo del brazo lleva una pala reglamentaria y una pequeña copa que sujeta la pelota para saques con un solo brazo, conforme a las adaptaciones permitidas en las reglas oficiales. Todos los actuadores se sincronizan para responder cada milisegundo, y el sistema de visión comparte la misma temporización, manteniendo la percepción y el movimiento estrechamente coordinados. En el nivel más bajo, el robot se comporta de forma simple y predecible, con retardos mantenidos en unos pocos milisegundos incluso a la máxima velocidad, lo cual es crucial para golpear pelotas que llegan en fracciones de segundo.

Cómo se desempeñó Ace frente a expertos humanos

Los investigadores probaron a Ace en abril de 2025 frente a cinco jugadores de élite—competidores experimentados con más de una década de entrenamiento intensivo—y dos profesionales de la máxima liga de Japón. Los partidos siguieron las reglas internacionales, con mesas, redes y pelotas estándar, y fueron arbitrados por jueces licenciados. Ace jugó al mejor de tres contra el grupo de élite y al mejor de cinco contra los profesionales. Ganó tres de los cinco encuentros contra los jugadores de élite y logró llevarse un set frente a uno de los profesionales. Los datos registrados durante el juego muestran que Ace devuelve consistentemente pelotas de hasta aproximadamente 14 metros por segundo y maneja una amplia gama de giros con tasas de devolución superiores al 75 por ciento hasta niveles de giro considerables. En comparación con los humanos, Ace no depende de golpes especialmente rápidos para ganar puntos. En cambio, sus golpes “ganadores” tienen velocidades y giros similares a sus devoluciones habituales, lo que sugiere que la consistencia—devolver la pelota a la mesa una y otra vez—es su fortaleza principal. El robot también tiende a golpear la pelota antes tras el bote, y sus saques, cuidadosamente diseñados, producen más puntos directos, o “aces”, contra jugadores de élite de los que los humanos logran devolver.

Qué significa esto más allá de la mesa de ping-pong

Ace demuestra que un robot físico, no solo un programa informático, puede ahora desafiar a expertos humanos en un deporte rápido e interactivo sin simplificar las reglas. Para los no especialistas, la conclusión clave no es solo que una máquina pueda jugar un tenis de mesa impresionante; es que la combinación de percepción rápida, toma de decisiones aprendida y hardware ágil puede gestionar tareas del mundo real en los límites del tiempo de reacción humano. Las mismas técnicas podrían, eventualmente, ayudar a que robots trabajen con seguridad junto a personas en plantas de producción, que dispositivos asistenciales se coordinen con los movimientos de los usuarios o que nuevas herramientas de entrenamiento deportivo empujen a los atletas de formas antes imposibles. Aunque modelar la estrategia humana y la táctica a largo plazo sigue siendo un desafío, Ace marca un paso importante hacia sistemas de IA física que pueden compartir nuestros espacios y respondernos en tiempo real.

Cita: Dürr, P., El Gheche, M., Maeda, G.J. et al. Outplaying elite table tennis players with an autonomous robot. Nature 652, 886–891 (2026). https://doi.org/10.1038/s41586-026-10338-5

Palabras clave: robot tenis de mesa, IA física, aprendizaje por refuerzo, visión basada en eventos, interacción humano–robot