43년 만의 일이다.
1983년, 존 빌링슬리가 "Robot Ping-Pong"이라는 제목의 첫 탁구 로봇 논문을 발표했다. 당시 할 수 있었던 것은 고정된 위치에서 하나의 관절로 공을 쳐내는 것뿐이었다.
2026년 4월 22일, 네이처(Nature)는 소니 AI의 에이스(Ace) 프로젝트 연구 결과를 발표했다. 도쿄 소니 본사의 올림픽 규격 탁구대에서 로봇이 엘리트 아마추어 선수를 이겼고, 이후 추가 테스트에서 일본 프로 리그 선수도 이겼다.
이는 인류 역사상 처음으로 로봇이 실제 경쟁 스포츠에서 엘리트 수준의 성과를 달성한 것이다.
시뮬레이션이나 특정 조건에서의 시연이 아니다. 실제 경기 방식, 실제 상대, 실제 탁구대에서의 결과다.
에이스는 어떻게 탁구를 치는가
소니 AI 연구원 피터 뒤르(Peter Dürr)는 이 성과를 한마디로 요약했다.
"로봇이 탁구를 치도록 손으로 프로그램을 작성할 방법은 전혀 없습니다. 오직 경험을 통해 배워야 합니다."
에이스는 강화학습을 사용한다. 엔지니어가 "이 회전에는 이렇게 쳐라"고 지시하는 대신, 로봇이 수백만 번의 훈련을 통해 스스로 타법을 발견한다. 이는 알파고(AlphaGo)부터 GPT에 이르기까지 최근 AI 돌파구의 핵심 아이디어다.
하드웨어 측면에서 에이스는 움직임을 위한 8개의 관절과 탁구대 주변에 배치된 9개의 카메라를 갖추고 있으며, 이벤트 기반 비전 센서(event-based vision sensors)를 사용한다. 이 센서는 일반 카메라보다 훨씬 빠르게 반응하며 지연 시간이 마이크로초 수준으로, 고속으로 움직이는 공을 추적하는 데 특화되어 있다. 또한 에이스는 공의 브랜드 로고를 인식하여 회전 방향을 판단할 수 있는데, 이는 흥미로운 세부 사항이다.
성적표:
- 10년 이상 경력의 엘리트 아마추어 선수 5명과 프로 리그 선수 2명을 상대;
- 총 13게임 중 7게임을 승리하여 3경기에서 승리;
- 회전구의 리턴율이 75%에 달해 상대 선수들을 놀라게 함;
- 논문 제출 후에도 훈련을 계속하여 12월과 올해 3월 테스트에서 프로 선수를 이김.
주목할 점은 에이스가 압도적인 힘으로 승리하지 않았다는 것이다. 공의 속도를 의도적으로 인간의 한계를 넘어서게 하지 않았다. 마이클 스프랑거(Michael Spranger) 소니 AI 사장은 이 설계 결정을 특별히 언급했다.
"로봇은 어떤 인간보다 빠르게 쳐서 이기는 것이 아니라, 게임을 잘해서 이겨야 합니다."
AI에 '경쟁적 공정성 제약'을 설정하여 센서와 모터로 인간을 압도하는 대신 규칙 내에서 승리하도록 한 것은 현명한 판단이다.
딥마인드의 시도와의 차이점
몇 년 전, 구글 딥마인드(Google DeepMind)도 탁구 로봇 프로젝트를 진행했고 강화학습을 사용하여 작동시켰다. 그러나 테스트는 통제된 환경에서 이루어졌으며, 엘리트 수준의 인간 상대를 평가 기준으로 삼지 않았다.
에이스의 차별점은 실제 경쟁 환경에서 실제 선수와 대결하고 실제 경기 규칙으로 평가받았다는 점이다. 이것이 '최초'라고 불리는 이유다.
1992년 바르셀로나 올림픽 탁구 선수였던 나카무라 킨지로(Kinjiro Nakamura)는 에이스의 플레이를 지켜본 후, 자신이 본 적도 없고 인간 선수라면 시도하지 않을 구질을 에이스가 구사했다고 말하며 이렇게 덧붙였다. "아마도 인간은 여기서 새로운 기술을 배울 수 있을 것입니다."
의미심장한 말이다.
"로봇 분야의 ChatGPT 순간"
마이클 스프랑거는 비유를 사용했다. 로봇 분야의 'ChatGPT 순간'이라는 비유다.
그 논리는 이렇다. 탁구라는 시나리오는 본질적으로 고속 인지, 실시간 의사 결정, 정밀한 물리적 제어가 필요한 폐루프(closed-loop) 작업이다. 강화학습이 여기서 성공할 수 있다면 제조업, 창고업, 정밀 작업도 동일한 접근 방식으로 공략할 수 있을 것이다.
ChatGPT 이전에도 언어 모델이 무언가를 할 수 있다는 것은 모두가 알고 있었지만, 그 정도 수준까지 할 수 있을지는 아무도 예상하지 못했다. 에이스는 로봇 분야에서 비슷한 전환점이 될 수 있다.
약간의 냉정한 평가를 덧붙이자면, 탁구는 빠르지만 규칙은 고정되어 있고 환경은 구조화되어 있다. 공장에서 끊임없이 위치가 변하는 부품, 다른 재질의 물체, 예상치 못한 장애물은 여전히 더 어려운 문제다. 에이스가 이 모든 것을 완전히 해결한 것은 아니며, 단지 문을 열었을 뿐이다.
문이 열린 것 자체는 좋은 일이다.
기술 경로를 따로 주목해야 하는 이유
탁구의 물리적 복잡성은 실제다. 공의 속도는 시속 150km를 넘을 수 있고, 회전 방향은 예측 불가능하며, 낙하지점은 일정하지 않고, 상대의 플레이 스타일은随时 변한다. 이는 보드 게임보다 훨씬 어렵다. 보드 게임은 이산적이지만 탁구는 연속적이고 3차원적이며 확률적이다.
소니는 두 가지 기술적 포인트에서 새로운 길을 열었다.
- 이벤트 기반 비전 센서: 일반 카메라가 일정 간격으로 프레임을 캡처하는 것과 달리, 이 센서는 픽셀에 변화가 있을 때만 기록을 트리거한다. 지연 시간이 매우 낮아 고속 공 추적 정확도가 훨씬 높다.
- 모델 프리 강화학습: 물리 시뮬레이션 모델에 의존하지 않고 실제 상호작용에서 직접 학습한다. 수렴은 더 어렵지만 실제 세계의 불확실성에 더 잘 일반화된다.
이 두 가지를 결합하여 에이스는 이전에는 시뮬레이션 환경에서만 가능했던 정밀도를 실제 물리 세계에서 달성했다.
논문이 네이처에 제출되었다는 것은 동료 심사를 통과했음을 의미한다. 네이처의 로봇공학 및 AI 분야 게재 기준은 매우 엄격하며, 이는 홍보 자료가 아니다.
1983년 첫 논문부터 2026년 네이처 게재까지 43년이 걸렸다. 하지만 다음 돌파구는 아마 43년이 더 걸리지는 않을 것이다.
출처: 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）