Déjouer des joueurs d’élite au tennis de table avec un robot autonome

Les robots entrent sur la scène sportive

Imaginez-vous en face d’un robot de l’autre côté d’une table de tennis de table et découvrez qu’il ne se contente pas d’échanger des balles avec vous — il peut battre des compétiteurs chevronnés. Cet article présente Ace, un robot autonome de tennis de table qui joue au niveau d’athlètes humains d’élite. Au‑delà d’un gadget sportif impressionnant, Ace offre un aperçu d’un avenir où des machines gèrent des interactions physiques et ultra‑rapides avec des personnes dans des contextes quotidiens, des usines aux assistants domestiques.

Pourquoi le tennis de table est un test exigeant

Le tennis de table est bien plus exigeant qu’il n’y paraît à la télévision. En jeu de haut niveau, la balle peut dépasser 20 mètres par seconde, et les joueurs disposent parfois de moins d’une demi‑seconde entre les frappes pour voir, décider et bouger. Outre la vitesse, le spin de la balle — sa rotation rapide — dévie sa trajectoire dans l’air et modifie son rebond sur la table et la raquette. Les rotations peuvent dépasser 1 000 radians par seconde, faisant filer ou rebondir la balle de façon difficilement prévisible. Les robots de tennis de table antérieurs contournaient une grande partie de cette complexité en lançant des balles depuis des machines simples, en réduisant la surface de jeu ou en ignorant largement le spin. Ace, lui, affronte la totalité du défi des matchs réels joués avec du matériel standard et selon les règles officielles.

Voir une balle en mouvement rapide en temps réel

Pour faire face à de telles vitesses, Ace a besoin d’une vision exceptionnelle. Le système utilise neuf caméras conventionnelles placées autour d’un terrain de taille olympique pour suivre la balle en trois dimensions. Ces caméras mesurent la position de la balle environ 200 fois par seconde avec une précision au millimètre et un retard de seulement quelques millièmes de seconde. Mais la position seule ne suffit pas. Le spin est crucial en jeu sérieux, aussi Ace emploie‑t‑il trois unités spécialisées de « contrôle du regard », chacune combinant un capteur événementiel haute vitesse, des miroirs orientables et un téléobjectif. Au lieu d’enregistrer des images complètes, ces capteurs n’archivent que les changements de luminosité à chaque pixel, produisant des flux de petits « événements » qui saisissent le mouvement avec un flou extrêmement réduit. En injectant ces événements dans un réseau neuronal puis dans un second algorithme plus précis, Ace estime la vitesse et la direction de rotation de la balle jusqu’à plusieurs centaines de fois par seconde. Le système fusionne ces mesures, choisissant à chaque instant la meilleure estimation, et les transmet au logiciel de contrôle qui décide des mouvements du robot.

Comment le robot choisit et exécute ses coups

Le « cerveau » d’Ace se compose d’un ensemble de politiques de contrôle apprises par apprentissage profond par renforcement, une méthode où le logiciel s’améliore par essais et erreurs virtuels. En simulation, le robot répète l’entraînement au renvoi de frappes individuelles, guidé par un signal de récompense qui favorise les retours réussis avec des caractéristiques spécifiques telles qu’un topspin prononcé ou des zones d’atterrissage précises. Un volet astucieux de la procédure d’entraînement permet à l’algorithme d’apprendre à partir d’informations simulées parfaites en coulisses, tandis que les politiques elles‑mêmes ne voient que des lectures de capteurs bruyantes et réalistes, ce qui facilite leur transfert vers le monde réel. Lors d’un échange, toutes les 32 millisecondes Ace reçoit un historique mis à jour des états de la balle et du robot, sélectionne l’un de plusieurs « skills » appris et produit une action abstraite. Cette action est ensuite convertie par une routine d’optimisation en une trajectoire détaillée et lisse des articulations qui respecte les limites de vitesse et évite les collisions avec la table ou le robot. En parallèle, un autre planificateur prépare en permanence un mouvement de « réinitialisation » sûr afin que le bras puisse rapidement se remettre en position et être prêt pour le coup suivant.

Un corps conçu sur mesure pour le jeu athlétique

Pour rivaliser avec l’agilité humaine, l’équipe a conçu un bras robotique dédié à huit degrés de liberté — deux glissières et six articulations rotatives — offrant juste ce qu’il faut de liberté pour positionner, incliner et balancer la raquette comme un athlète expérimenté. Le bras est constitué de structures métalliques légères et solides optimisées par algorithmes et fabriquées par impression additive, permettant des mouvements rapides sans perte de rigidité. L’extrémité du bras porte une raquette réglementaire et une petite coupelle servant à tenir la balle pour les services à un bras, conforme aux adaptations autorisées par les règles officielles. Tous les actionneurs sont synchronisés pour répondre chaque milliseconde, et le système de vision partage le même rythme, maintenant un couplage étroit entre perception et mouvement. Au niveau le plus bas, le robot se comporte de façon simple et prévisible, avec des délais réduits à quelques millisecondes même à pleine vitesse, ce qui est crucial pour frapper des balles qui arrivent en une fraction de seconde.

Comment Ace a performé face à des experts humains

Les chercheurs ont testé Ace en avril 2025 contre cinq joueurs d’élite — compétiteurs expérimentés avec plus d’une décennie d’entraînement intensif — et deux professionnels de la première ligue japonaise. Les matches ont suivi les règles internationales, avec des tables, filets et balles standard, et ont été arbitrés par des juges officiels. Ace a joué au meilleur des trois manches contre le groupe d’élite et au meilleur des cinq contre les professionnels. Il a remporté trois des cinq matches contre les joueurs d’élite et a pris une manche à l’un des pros. Les données recueillies pendant les parties montrent qu’Ace renvoie de façon fiable des frappes allant jusqu’à environ 14 mètres par seconde et gère une large gamme de rotations avec des taux de retour supérieurs à 75 % pour des niveaux de spin substantiels. Comparé aux humains, Ace ne s’appuie pas sur des frappes particulièrement rapides pour gagner des points. Ses coups « gagnants » présentent des vitesses et des spins semblables à ses retours habituels, ce qui suggère que la constance — remettre la balle sur la table encore et encore — est sa principale force. Le robot tend aussi à frapper la balle plus tôt après le rebond, et ses services soigneusement conçus produisent davantage de points directs, ou « aces », contre les joueurs d’élite que ce que les humains parviennent à obtenir en retour.

Ce que cela signifie au‑delà de la table de ping‑pong

Ace montre qu’un robot physique, et pas seulement un programme informatique, peut désormais défier des experts humains dans un sport interactif et rapide sans simplifier les règles. Pour le grand public, la leçon clé n’est pas seulement qu’une machine peut jouer un tennis de table impressionnant ; c’est que la combinaison d’une perception rapide, de décisions apprises et d’un matériel agile peut accomplir des tâches réelles aux limites du temps de réaction humain. Les mêmes techniques pourraient à terme aider des robots à travailler en sécurité aux côtés des personnes sur les lignes de production, permettre à des dispositifs d’assistance de se coordonner aux mouvements des utilisateurs, ou offrir de nouveaux outils d’entraînement sportif qui poussent les athlètes de façons auparavant impossibles. Bien que la modélisation de la stratégie humaine et des tactiques à long terme reste un défi, Ace marque une étape importante vers des systèmes d’IA physique capables de partager nos espaces et de nous répondre en temps réel.

Citation: 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

Mots-clés: robot tennis de table, IA physique, apprentissage par renforcement, vision événementielle, interaction humain–robot