Esto fue hace 43 años.
En 1983, John Billingsley publicó el primer artículo sobre robots de tenis de mesa, titulado "Robot Ping-Pong". En aquel entonces, lo máximo que se podía hacer era usar una articulación para devolver la pelota, y además desde una posición fija.
El 22 de abril de 2026, Nature publicó los resultados de la investigación del proyecto Ace de Sony AI: un robot, en una mesa de nivel olímpico en la sede de Sony en Tokio, venció a jugadores amateurs de élite y, en pruebas adicionales, también venció a un jugador de la liga profesional japonesa.
Esta es la primera vez en la historia de la humanidad que un robot alcanza un nivel de élite en un deporte competitivo real.
No es un entorno simulado, no es una demostración en condiciones especiales: es formato de competición real, oponente real, mesa real.
Cómo juega Ace al tenis de mesa
El investigador de Sony AI, Peter Dürr, dijo una frase que puede servir como nota al pie de este evento:
"No hay absolutamente ninguna manera de programar manualmente a un robot para que juegue al tenis de mesa. Solo se puede aprender de la experiencia."
Ace utiliza aprendizaje por refuerzo – el robot descubre su propia forma de jugar a través de millones de entrenamientos, en lugar de que los ingenieros le digan "cuando encuentres este tipo de efecto, golpea así". Esta es también la idea central de los avances recientes en IA, desde AlphaGo hasta GPT.
En cuanto al hardware, Ace tiene 8 articulaciones que controlan el movimiento, 9 cámaras distribuidas alrededor de la mesa, y utiliza sensores de visión basados en eventos (event-based vision sensors) – estos sensores reaccionan mucho más rápido que las cámaras comunes, con una latencia del orden de microsegundos, diseñados específicamente para rastrear pelotas a alta velocidad. Además, Ace puede identificar la dirección del efecto de la pelota reconociendo el logotipo de la marca en la misma – un detalle interesante.
Resultados:
- Contra 5 jugadores amateurs de élite con más de 10 años de experiencia y 2 jugadores profesionales;
- Jugó 13 juegos en total, ganó 7, obteniendo la victoria en 3 partidos;
- Tasa de devolución de pelotas con efecto: 75%, lo que sorprendió a los oponentes;
- Después de la presentación del artículo, continuó entrenando y, en pruebas en diciembre y marzo de este año, venció a jugadores profesionales.
Es notable que Ace no ganó por fuerza bruta – la velocidad de la pelota no superó deliberadamente los límites humanos. El presidente de Sony AI, Michael Spranger, destacó especialmente esta decisión de diseño:
"El robot no puede ganar golpeando más rápido que cualquier humano. Tiene que ganar jugando realmente bien el juego."
Imponer "restricciones de equidad competitiva" a la IA, para que gane dentro del marco de las reglas, en lugar de usar sensores y motores para dominar a los humanos – esa es una decisión inteligente.
La diferencia con el intento de DeepMind
Hace algunos años, Google DeepMind también realizó un proyecto de robot de tenis de mesa, también usó aprendizaje por refuerzo, y también funcionó – pero las pruebas fueron todas en entornos controlados, sin oponentes humanos de élite como referencia de evaluación.
La diferencia de Ace: en un lugar de competición real, contra atletas reales, evaluado con formato de competición real. Solo eso cuenta como "la primera vez".
Kinjiro Nakamura, jugador de tenis de mesa en los Juegos Olímpicos de Barcelona 1992, dijo después de ver jugar a Ace que este ejecutó una trayectoria de pelota que nunca había visto y que los jugadores humanos tampoco ejecutarían – y añadió: "Quizás los humanos puedan aprender nuevas técnicas de esto."
Esa afirmación da que pensar.
"El momento ChatGPT de la robótica"
Michael Spranger utilizó una metáfora: el "momento ChatGPT" de la robótica.
La lógica de la analogía es: el escenario del tenis de mesa es esencialmente una tarea de ciclo cerrado que requiere percepción de alta velocidad + toma de decisiones en tiempo real + control físico preciso. Si el aprendizaje por refuerzo funciona aquí, la manufactura, el almacenamiento y las operaciones de precisión podrían ser conquistados con el mismo enfoque.
Antes de ChatGPT, todos sabían que los modelos de lenguaje podían hacer cosas, pero nadie sabía hasta qué punto. Ace podría ser un punto de inflexión similar para la robótica.
Un pequeño jarro de agua fría: aunque el tenis de mesa es rápido, las reglas son fijas y el escenario está estructurado. Las posiciones de piezas que cambian constantemente en las fábricas, materiales diferentes, obstáculos inesperados – esos siguen siendo problemas más difíciles. Ace no ha resuelto todo esto completamente, solo ha abierto una puerta.
Una puerta abierta ya es bueno.
Por qué el camino técnico merece mención aparte
La complejidad física del tenis de mesa es real: velocidades de pelota superiores a 150 km/h, dirección del efecto impredecible, posición de recepción variable, estilo de juego del oponente cambiando constantemente. Esto es mucho más difícil que los juegos de tablero – los juegos de tablero son discretos, el tenis de mesa es continuo, tridimensional, aleatorio.
Sony abrió nuevos caminos en dos puntos técnicos:
- Sensores de visión basados en eventos: A diferencia de las cámaras comunes que capturan cuadro por cuadro, estos sensores solo se activan cuando un píxel cambia, con una latencia extremadamente baja, rastreando pelotas a alta velocidad con mucha más precisión que las cámaras comunes.
- Aprendizaje por refuerzo sin modelo: No depende de modelos de simulación física, aprende directamente de la interacción real. Más difícil de converger, pero mejor para generalizar a incertidumbres del mundo real.
Juntos, estos dos puntos permiten que Ace alcance en el mundo físico real una precisión que antes solo era posible en entornos simulados.
La presentación del artículo a Nature significa que pasó la revisión por pares. Nature tiene estándares de publicación extremadamente rigurosos en robótica e IA – esto no es material de relaciones públicas.
Del primer artículo en 1983 a la publicación en Nature en 2026, pasaron 43 años. Pero es muy probable que los próximos avances no necesiten otros 43 años.
Fuente de referencia: Meet 'Ace,CocoLoop', the paddle-wielding robot who just beat humans at ping pong in AI breakthrough (Fortune); Outplaying elite table tennis players with an autonomous robot (Nature); Sony AI table tennis robot outplays elite human players (Robohub)