El 23 de abril de 2026, la revista Nature publicó en su portada el resultado de un experimento que llevaba años en marcha en los laboratorios de Sony en Tokio: un sistema robótico autónomo llamado Ace derrotó por primera vez a jugadores profesionales de tenis de mesa, en partidos oficiales arbitrados bajo las reglas de la Federación Internacional de Tenis de Mesa (ITTF). No fue una exhibición ni una demostración controlada. Fueron partidos reales, con jueces acreditados, contra rivales que no sabían qué golpe vendría.
El resultado no fue una victoria aplastante. Ace ganó varios partidos contra jugadores de élite y logró derrotar a profesionales en algunos encuentros, aunque perdió contra los oponentes de mayor nivel. Pero el hito no está en el marcador: está en que ocurrió. Por primera vez en la historia, un sistema robótico alcanzó rendimiento de experto humano en un deporte físico competitivo real.
Peter Stone, científico jefe de Sony AI, lo dijo con precisión: "Esto es más grande que el tenis de mesa. Es la primera vez que se ha demostrado un nivel de juego competitivo equivalente al de un experto humano en el mundo físico real, en cualquier deporte."
Lo que hace difícil el tenis de mesa
Para entender por qué esto importa, hay que entender por qué el tenis de mesa es un problema extraordinariamente difícil para la robótica.
Un rally de tenis de mesa puede durar menos de dos segundos. La pelota viaja a más de 100 km/h, con rotaciones de hasta 9.000 rpm. El jugador tiene entre 200 y 300 milisegundos desde que el rival golpea para percibir la trayectoria, calcular la rotación, decidir el golpe de respuesta y ejecutarlo con precisión milimétrica. Todo eso bajo condiciones que cambian constantemente: cada oponente tiene un estilo diferente, cada pelota llega diferente.
Los humanos de élite hacen esto por intuición motora desarrollada durante años. Un robot tiene que hacerlo con sensores, modelos físicos y redes neuronales que nunca antes habían tocado esa pelota específica, contra ese oponente específico.
Veinte años de ingeniería concentrados en un brazo robótico
El sistema Ace no usa hardware genérico. Sony AI diseñó desde cero un brazo robótico de ocho grados de libertad construido con aleaciones ligeras, optimizado para impactos de alta velocidad con baja vibración y precisión mecánica predecible. El brazo puede moverse con una latencia total de 20,2 milisegundos desde la percepción hasta el golpe. Un jugador humano de élite tarda en promedio 230 milisegundos en responder.
La percepción combina dos tecnologías que raramente se usan juntas: nueve cámaras convencionales sincronizadas para rastrear la posición tridimensional de la pelota a 200 Hz, con precisión de milímetros, y tres sensores de visión basados en eventos —desarrollados por Sony Semiconductor Solutions— que detectan la rotación de la pelota a 700 Hz. Los sensores de eventos funcionan como detectores de movimiento ultrasensibles: capturan los cambios de escena que las cámaras convencionales no alcanzan a registrar por la velocidad.
El control utiliza aprendizaje por refuerzo profundo entrenado íntegramente en simulación y transferido directamente al robot físico sin ajuste adicional. Eso es técnicamente notable: la brecha entre simulación y realidad es uno de los problemas más duros de la robótica. Ace lo resuelve con un modelo físico lo suficientemente preciso como para que lo aprendido en el computador funcione directamente en el mundo real.
El sistema tiene tres capas: una capa de habilidad que controla el movimiento articular y la generación de spin, una capa táctica que decide punto a punto cómo responder, y una capa estratégica que adapta el plan a lo largo de un partido completo. No ejecuta secuencias predeterminadas: genera variantes de golpe que el oponente no puede anticipar.
Los partidos
Sony AI evaluó el sistema en dos fases. En diciembre, Ace jugó contra cuatro oponentes nuevos. Venció a ambos jugadores de élite universitaria y a uno de los dos jugadores profesionales, perdiendo contra el segundo. En marzo de 2026, se enfrentó a tres jugadores profesionales nuevos, a quienes no había visto antes, y derrotó a los tres al menos una vez.
Uno de los oponentes fue Mayuka Taira, jugadora profesional japonesa que llegó a la final del US Open femenino en 2019. Contra ella y contra los demás, Ace jugó bajo reglamentación oficial de la ITTF, con jueces del Asociación de Tenis de Mesa de Japón.
El sistema perdió partidos también. Los investigadores son explícitos: Ace tiende a golpear más temprano después del bote de lo óptimo, lo que limita la variedad de golpes disponibles. En contra de los jugadores más fuertes, esa restricción fue determinante. Y hay situaciones —remates extremos, pelotas fuera de rango— donde el sistema todavía falla.
Por qué es más que tenis de mesa
La razón por la que el resultado se publica en Nature y no en una conferencia de robótica es que representa algo más amplio: la demostración de que los sistemas de IA pueden percibir, razonar y actuar en entornos físicos complejos, impredecibles y rápidos al nivel de expertos humanos.
Hasta ahora, los hitos de la IA habían sido principalmente digitales. DeepBlue venció a Kasparov en ajedrez en 1997. AlphaGo derrotó a Lee Sedol en 2016. AlphaStar compitió a nivel grandmaster en StarCraft II en 2019. Todos esos logros ocurrieron en espacios de estados discretos o simulados, donde la física está bajo control y no hay ruido de sensores.
El tenis de mesa es fundamentalmente diferente. La pelota existe en el mundo físico, con aerodinámica real, rebotes impredecibles y un oponente que adapta su juego. La robótica tiene que lidiar con todo eso en tiempo real. Michael Spranger, presidente de Sony AI, lo formuló así: "La velocidad en robótica que no está predeterminada es una de las últimas fronteras."
Las aplicaciones más inmediatas no son deportivas: el mismo tipo de percepción de alta velocidad, control de baja latencia y aprendizaje transferible a física real tiene aplicaciones directas en manufactura, asistencia quirúrgica, robótica de rehabilitación y sistemas de interacción humano-robot. Ace es, en ese sentido, un banco de prueba para tecnologías que importan mucho más allá de la pala y la pelota.
