Criado pela divisão de pesquisa de IA da Sony, o Ace é o primeiro robô a alcançar desempenho de especialista em um esporte físico, que exige decisões rápidas e precisão, segundo o responsável pelo projeto.
A tecnologia, que é um braço mecânico, conseguiu o feito usando sensores de alta velocidade, controle por inteligência artificial e sistema de última geração.
Desde 1983 existem robôs que jogam tênis de mesa, mas nenhum deles havia conseguido competir com jogadores humanos experientes.
O Ace, por sua vez, enfrentou jogadores profissionais e de elite. As partidas seguiram as regras da Federação Internacional de Tênis de Mesa e foram arbitradas por juízes licenciados.
Robô Ace, da Sony AI, durante partida de tênis de mesa com atleta de alto nível — Foto: Sony AI/Divulgação
“Ao contrário dos jogos de computador, em que os sistemas de IA anteriores superaram os especialistas humanos, os esportes físicos e em tempo real, como o tênis de mesa, continuam sendo um grande desafio”, diz Peter Dürr, líder do projeto Ace da Sony AI.
“Eles exigem interações rápidas, precisas e adversárias perto de obstáculos e no limite do tempo de reação humana.”
Dürr é o autor principal de um estudo, publicado nesta quarta-feira (22) na revista Nature, que detalha os feitos do Ace.
Segundo Dürr, o objetivo do projeto não era apenas competir no tênis de mesa, mas entender como robôs podem perceber, planejar e agir com rapidez e precisão em situações que mudam o tempo todo.
O responsável pelo projeto diz que as técnicas usadas no Ace podem ser aproveitadas em outras áreas que precisam de respostas rápidas e interação com pessoas.
Ele cita como exemplos o uso em fábricas, serviços, esportes, entretenimento e áreas que exigem segurança.
Duelo contra jogadores reais
A arquitetura do Ace integra nove câmeras sincronizadas e três sistemas de visão para rastrear uma bola giratória com precisão e processamento rápido, o suficiente para “capturar movimentos que seriam um borrão para o olho humano”, afirma Dürr.
Os pesquisadores desenvolveram uma plataforma de robô com oito articulações. Segundo Dürr, esse era o mínimo necessário para executar jogadas competitivas: três articulações para a posição da raquete, duas para sua orientação e outras três para a velocidade e força da tacada.
O estudo detalha que, em abril de 2025, o Ace venceu três de cinco partidas contra jogadores de elite e perdeu duas partidas contra profissionais, o nível mais alto de habilidade no esporte.
A Sony AI informou que, depois disso, Ace venceu jogadores profissionais em dezembro de 2025 e novamente no mês passado.
Os sistemas de IA já se destacaram nos domínios digitais em jogos de estratégia, como xadrez e Go, além de videogames complexos.
Mas enquanto os videogames são realizados em ambientes simulados, o tênis de mesa exige decisões rápidas, movimentos precisos e adaptação constante a um adversário imprevisível, afirma Dürr.
Ele explica que a bola se move muito rápido e com trajetórias difíceis, exigindo máxima atenção e controle tanto de pessoas quanto dos robôs.
Robô Ace, da Sony AI, durante partida de tênis de mesa com atleta de alto nível — Foto: Sony AI/Divulgação
Jogador sem emoções
Mayuka Taira, profissional de tênis de mesa que perdeu uma partida para o Ace em dezembro, afirmou, em comentários divulgados pela Sony AI, que o ponto forte do robô é que ele “é muito difícil de prever e não demonstra nenhuma emoção”.
“Como não é possível ler suas reações, é impossível perceber que tipo de golpes ele não gosta ou tem dificuldades, o que torna ainda mais difícil jogar contra ele”, afirma.
Rui Takenaka, jogador de elite que ganhou e perdeu partidas contra o Ace, diz que, caso efetuasse um saque com giro complexo, o robô devolvia a bola do mesmo jeito, aumentando a dificuldade.
“Mas quando eu usava um saque simples, o que chamamos de saque de mão, o Ace devolvia uma bola mais simples. Isso facilitou meu ataque na terceira tacada, e acho que esse foi o principal motivo de eu ter conseguido vencer”, conta.
Dürr afirma que o Ace tem uma capacidade de ler o giro das bolas e um tempo de reação que são “sobre-humanos”.
“Como ele aprende a jogar não observando os humanos, mas treinado por si em uma simulação, ele também reage de forma diferente dos jogadores humanos e cria situações surpreendentes”, diz o líder do projeto.
“Ao mesmo tempo, os atletas humanos profissionais são ótimos em se adaptar ao adversário e encontrar pontos fracos, que é uma área em que estamos trabalhando.”
