Peristiwa ini memakan waktu 43 tahun.
Pada tahun 1983, John Billingsley menerbitkan makalah pertama tentang robot tenis meja, berjudul "Robot Ping-Pong." Saat itu, yang bisa dilakukan hanyalah memukul bola kembali menggunakan satu sendi dari posisi tetap.
Pada 22 April 2026, Nature menerbitkan hasil proyek Ace dari Sony AI — sebuah robot yang, di atas meja standar Olimpiade di kantor pusat Sony Tokyo, mengalahkan pemain amatir elit, dan dalam pengujian tambahan, juga mengalahkan pemain liga profesional Jepang.
Ini adalah pertama kalinya dalam sejarah manusia, sebuah robot mencapai performa tingkat elit dalam olahraga kompetitif yang nyata.
Bukan simulasi, bukan demonstrasi dalam kondisi terkendali — format pertandingan nyata, lawan nyata, meja nyata.
Bagaimana Ace bermain tenis meja
Peneliti Sony AI, Peter Dürr, merangkumnya dalam satu kalimat:
"Tidak ada cara untuk memprogram robot bermain tenis meja secara manual. Ia harus belajar dari pengalaman."
Ace menggunakan pembelajaran penguatan (reinforcement learning) — robot menemukan strateginya sendiri melalui jutaan iterasi pelatihan, alih-alih insinyur memberi tahu "pukul seperti ini untuk spin ini." Ini adalah ide inti di balik terobosan AI terkini, dari AlphaGo hingga GPT.
Dari sisi perangkat keras, Ace memiliki 8 sendi untuk pergerakan dan 9 kamera yang diposisikan di sekitar meja, menggunakan sensor visi berbasis peristiwa (event-based vision sensors). Sensor ini bereaksi jauh lebih cepat daripada kamera konvensional, dengan latensi serendah mikrodetik, yang dirancang khusus untuk melacak bola berkecepatan tinggi. Selain itu, Ace dapat menentukan arah putaran bola dengan mengenali logo merek pada bola — sebuah detail yang menarik.
Hasilnya:
- Menghadapi 5 pemain amatir elit dengan pengalaman lebih dari 10 tahun, dan 2 pemain liga profesional;
- Bermain 13 game, memenangkan 7 game, dan meraih kemenangan dalam 3 pertandingan;
- Mencapai tingkat pengembalian 75% untuk pukulan berputar, mengejutkan lawan;
- Setelah makalah diajukan, pelatihan berlanjut dan menghasilkan kemenangan melawan pemain profesional dalam pengujian pada bulan Desember dan Maret tahun ini.
Yang perlu dicatat, Ace tidak mengandalkan kekuatan untuk menang — kecepatan bolanya tidak sengaja didorong melampaui batas manusia. Presiden Sony AI, Michael Spranger, secara khusus menyoroti keputusan desain ini:
"Robot tidak bisa menang dengan memukul lebih cepat dari manusia mana pun. Ia harus menang dengan bermain game dengan baik."
Menetapkan "batasan keadilan kompetitif" untuk AI, sehingga ia menang dalam kerangka aturan alih-alih mengalahkan manusia dengan sensor dan motor — sebuah pendekatan yang cerdas.
Perbedaan dengan upaya DeepMind
Beberapa tahun lalu, Google DeepMind juga mengerjakan proyek robot tenis meja, menggunakan pembelajaran penguatan, dan berhasil — tetapi pengujian dilakukan di lingkungan terkendali tanpa lawan manusia elit sebagai tolok ukur.
Perbedaan Ace: pengaturan kompetitif nyata, melawan atlet sungguhan, dinilai dengan aturan pertandingan nyata. Itulah yang menjadikannya "yang pertama."
Kinjiro Nakamura, pemain tenis meja Olimpiade Barcelona 1992, menyaksikan permainan Ace dan mengatakan bahwa Ace melakukan pukulan yang belum pernah ia lihat dan tidak akan pernah dicoba oleh pemain manusia mana pun — lalu menambahkan: "Mungkin manusia bisa belajar teknik baru dari sini."
Sebuah pernyataan yang bermakna.
"Momen ChatGPT untuk robotika"
Michael Spranger menggunakan sebuah metafora: "momen ChatGPT" untuk robotika.
Logikanya: tenis meja pada dasarnya adalah tugas loop tertutup yang membutuhkan persepsi kecepatan tinggi, pengambilan keputusan waktu nyata, dan kontrol fisik yang presisi. Jika pembelajaran penguatan bisa berhasil di sini, maka manufaktur, pergudangan, dan operasi presisi semuanya bisa ditangani dengan pendekatan yang sama.
Sebelum ChatGPT, semua orang tahu model bahasa bisa melakukan sesuatu, tetapi tidak ada yang tahu mereka bisa melakukannya hingga tingkat itu. Ace bisa menjadi titik balik serupa untuk robotika.
Catatan kecil: meskipun tenis meja cepat, aturannya tetap dan lingkungannya terstruktur. Lantai pabrik dengan posisi komponen yang terus berubah, benda dari bahan berbeda, dan rintangan tak terduga masih merupakan masalah yang lebih sulit. Ace belum sepenuhnya memecahkan semua ini — ia baru saja membuka pintu.
Tapi membuka pintu adalah hal yang baik.
Mengapa jalur teknis layak mendapat perhatian khusus
Kompleksitas fisik tenis meja itu nyata: kecepatan bola bisa melebihi 150 km/jam, arah putaran tidak dapat diprediksi, posisi jatuh bola bervariasi, dan gaya bermain lawan berubah setiap saat. Ini jauh lebih sulit daripada permainan papan — permainan papan bersifat diskrit, sementara tenis meja bersifat kontinu, tiga dimensi, dan stokastik.
Sony membuka jalan baru dalam dua bidang teknis:
- Sensor visi berbasis peristiwa: Tidak seperti kamera konvensional yang menangkap bingkai pada interval tetap, sensor ini hanya memicu perekaman saat piksel berubah, menghasilkan latensi yang sangat rendah dan pelacakan bola berkecepatan tinggi yang jauh lebih baik.
- Pembelajaran penguatan tanpa model (model-free reinforcement learning): Tidak bergantung pada model simulasi fisik; belajar langsung dari interaksi nyata. Lebih sulit untuk konvergen, tetapi lebih baik dalam menggeneralisasi ketidakpastian dunia nyata.
Bersama-sama, kedua kemajuan ini memungkinkan Ace mencapai presisi di dunia fisik nyata yang sebelumnya hanya mungkin dilakukan dalam simulasi.
Makalah ini diajukan ke Nature, yang berarti telah melewati peninjauan sejawat. Standar publikasi Nature untuk robotika dan AI sangat ketat — ini bukan siaran pers.
Dari makalah pertama pada tahun 1983 hingga Nature pada tahun 2026, dibutuhkan waktu 43 tahun. Namun terobosan berikutnya kemungkinan tidak akan memakan waktu 43 tahun lagi.
Sumber: 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)