Le robot autonome tient tête aux joueurs de ping-pong professionnels

Sony a développé un bras robotique autonome capable de rivaliser des joueurs professionnels de tennis de table.

Depuis 1983 et la première compétition de « robot ping-pong », le tennis de table représente un défi de taille pour les systèmes autonomes. Ce sport exige une réactivité de l’ordre de la milliseconde, une adaptation en temps réel à des interactions humaines imprévisibles, et une maîtrise fine des trajectoires et des effets. Sony AI a annoncé avoir relevé ce défi avec le projet Ace, dont les résultats, publiés en couverture de Nature, démontrent pour la première fois la capacité d’un système robotisé à battre un joueur professionnel dans un environnement dynamique et compétitif.
L’objectif du projet était de prouver qu’une IA physique pouvait égaler, voire surpasser, des experts humains dans une tâche complexe nécessitant perception, contrôle dynamique et agilité.

Les contraintes techniques
Le tennis de table impose des contraintes spécifiques aux systèmes robotiques autonomes. La balle atteint des vitesses linéaires dépassant 20 m/s (72 km/h) et des rotations dépassant 160 tours par seconde (9 000 tr/min). Ces paramètres rendent son trajectoire hautement imprévisible, exigeant une détection et une réaction quasi instantanées. Les joueurs professionnels ajustent leurs coups en fonction du spin, de la vitesse et de la position de la balle avec une précision de l’ordre du millimètre. Une erreur de quelques degrés ou millisecondes peut signifier la perte du point. Contrairement à un environnement simulé, un adversaire humain adapte sa stratégie en temps réel, introduisant des variations de jeu (coups liftés, coupés, smashs) qui nécessitent une adaptabilité constante de l’IA.

Les solutions techniques mises en oeuvre
Pour surmonter ces problématiques, Sony AI a développé une architecture combinant des capacités de perception avancée, d’apprentissage par renforcement et de robotique agile.


Pour maîtriser la vitesse du jeu professionnel, Ace utilise une stratégie de contrôle entraînée par apprentissage par renforcement profond (RL) au sein d'une simulation physique réaliste. Cette approche Sim2Real consiste à entraîner l'agent sur des données synthétiques initialisées à partir d'enregistrements de parties humaines, ce qui lui permet d'intégrer des comportements de contrôle complexes avant son déploiement physique.

Ace utilise 12 capteurs haute vitesse pour suivre la balle avec précision :
• Trois capteurs à événements (EVS) IMX636 (développés avec Prophesee) : Ces capteurs asynchrones enregistrent uniquement les changements de luminosité au niveau du pixel, réduisant la latence à moins d’une milliseconde. Ils permettent de détecter le spin (jusqu’à 9 000 tr/min) et les trajectoires complexes de la balle.
• Neuf capteurs actifs Pregius™ IMX273 (200 Hz) : Ils fournissent des images haute résolution pour une triangulation 3D adaptée afin d’estimer la position et la vitesse de la balle avec une latence totale de 10,2 ms.

Cette combinaison permet à Ace de prédire les trajectoires avec une précision suffisante pour anticiper les coups, même dans des échanges à haute vitesse.
Ace s’appuie sur un algorithme d’apprentissage par renforcement profond (deep reinforcement learning) pour adapter sa stratégie en temps réel en fonction de la trajectoire et du spin observés, recalculer en permanence la trajectoire de frappe optimale, en tenant compte des perturbations aérodynamiques et des effets imprimés à la balle, et générer des coups variés (topspin, slice, bloc) avec une précision comparable à celle d’un joueur professionnel.

Contrairement aux systèmes traditionnels basés sur des scripts prédéfinis, Ace apprend par l’expérience, ajustant ses mouvements en fonction des retours en temps réel, comme le ferait un humain.

Le robot Ace a été conçu pour reproduire les mouvements rapides et précis d’un joueur de tennis de table. Il dispose de huit axes de mouvement (deux prismatiques et six rotatifs) qui permettent des déplacements latéraux rapides et une précision de frappe optimale. Son effecteur terminal est équipé d’une raquette et d’un système de préhension pour les services à une main. Son architecture mécanique a été optimisée pour résister aux forces générées par des balles à 19,6 m/s (70 km/h), tout en maintenant une stabilité suffisante pour des échanges prolongés.


Pour égaler la vitesse des athlètes professionnels, le robot dispose de deux articulations prismatiques et six articulations rotatives optimisées pour un mouvement latéral rapide et une précision de frappe, un effecteur terminal équipé d'une raquette et d'une coupe contenant la balle pour les services.

Les résultats obtenus
Durant les tests menés selon les règles officielles de la Fédération Internationale de Tennis de Table (ITTF), Ace a battu plusieurs joueurs de niveau élite, dont un joueur professionnel pour la première fois. Le système a maintenu des échanges compétitifs contre des adversaires humains, avec des retours de balle à 19,6 m/s et une adaptation dynamique aux stratégies adverses. Selon Sony, la combinaison des technologies de vision hybride, d’apprentissage par renforcement et de robotique agile a permis à Ace de dépasser les limites précédentes des systèmes robotiques autonomes en matière de perception, contrôle et réactivité. Ces résultats révèlent qu’un système robotique autonome peut rivalliser avec des humains dans des tâches complexes et dynamiques.

Applications potentielles pour les robots industriels
Les technologies développées pour Ace pourraient être mises à contribution dans le secteur de la robotique industrielle, notamment dans des environnements où précision, rapidité et adaptabilité sont indispensables.

1. Manipulation d’objets en mouvement rapide
◦ Les capteurs EVS et APS pourraient être utilisés pour suivre et saisir des pièces sur des chaînes de production à haute vitesse, comme dans l’automobile ou l’électronique.
◦ L’algorithme de prédiction de trajectoire permettrait d’anticiper le mouvement d’objets en chute libre ou en déplacement, améliorant l’efficacité des robots de tri ou d’assemblage.

2. Collaboration homme-robot (cobotique) en temps réel
◦ La faible latence (10,2 ms) et la détection des mouvements humains ouvrent la voie à des cobots capables de réagir instantanément aux actions d’un opérateur, sans risque de collision. 
◦ Applications possibles : assistance à la maintenance, montage précis ou manipulation d’outils dangereux.

3. Contrôle dynamique dans des environnements imprévisibles
◦ L’apprentissage par renforcement pourrait être appliqué à des robots devant s’adapter à des variations de processus (ex. : défauts de pièces, changements de tâches).
◦ Exemple : robots de soudage ajustant leur trajectoire en fonction des imperfections des matériaux, ou drones industriels naviguant dans des entrepôts dynamiques.

4. Optimisation énergétique et mécanique
◦ La conception légère et agile d’Ace pourrait inspirer des robots industriels plus compacts et énergivores, réduisant les coûts opérationnels tout en augmentant la productivité.
◦ Les actionneurs rapides et précis pourraient être intégrés dans des bras robotisés pour des tâches nécessitant une dextérité humaine, comme l’assemblage de composants miniatures.

Publié par Youssef Belgnaoui, rédacteur pour Induportals.