Una jugadora profesional de tenis de mesa dijo que no podía leer al robot. No podía anticipar sus golpes, no podía predecir el efecto de la pelota, no podía encontrar un patrón. Perdió el punto. Después perdió el set. Después perdió el partido.
El robot se llama Ace. Lo construyó Sony AI. Y el resultado de esos partidos —publicado esta semana en la portada de Nature— marca la primera vez en la historia que un sistema autónomo vence a jugadores profesionales en un deporte físico competitivo real.
Los números que lo hacen posible
El tenis de mesa es uno de los deportes más exigentes en términos de tiempo de reacción. La pelota puede viajar a más de 100 km/h y llegar al lado opuesto de la mesa en menos de 200 milisegundos. Los jugadores de élite procesan visualmente el golpe del rival, calculan trayectoria y efecto, y ejecutan su respuesta en aproximadamente 230 milisegundos.
Ace opera con una latencia total de 20,2 milisegundos. Diez veces más rápido que el ojo humano entrenado.
Para lograr eso, el robot combina tres tecnologías de percepción: nueve cámaras convencionales de alta velocidad sincronizadas, tres sistemas de visión basada en eventos —desarrollados por Sony Semiconductor Solutions— que capturan cambios de luz en lugar de fotogramas completos, y un algoritmo que estima posición, velocidad y rotación de la pelota a 700 Hz. No hay un instante del vuelo de la pelota que Ace no registre.
El brazo robótico tiene ocho grados de libertad, construido con aleaciones ligeras optimizadas para velocidad. Puede ejecutar topspin, slices, cortes cortos y golpes de ataque. También sirve: tiene una copa en el extremo para sostener la pelota y realizar saques con una sola extremidad.
Cómo aprendió
Lo más sorprendente del diseño de Ace no es el hardware sino el método de entrenamiento. El sistema aprendió a jugar íntegramente en simulación mediante aprendizaje por refuerzo profundo —es decir, jugando millones de partidos virtuales sin supervisión humana— y luego esa política de juego se transfirió directamente al robot real sin ajustes adicionales.
En robótica, ese salto de la simulación al mundo físico es el problema clásico: los modelos entrenados en entornos virtuales suelen fracasar cuando encuentran la fricción, el ruido y la imprecisión de la realidad. Ace lo resolvió. Los investigadores de Sony lo describen como una validación práctica del enfoque de sim-to-real a escala de habilidades humanas de élite.
Los partidos
El equipo organizó sesiones de juego en distintos momentos para testear el rendimiento contra jugadores que Ace nunca había enfrentado. En diciembre de 2025 compitió contra cuatro nuevos jugadores: dos profesionales y dos de élite. Ganó a los dos de élite y a uno de los dos profesionales.
En marzo de 2026 enfrentó a tres nuevos jugadores profesionales. Ganó al menos un partido contra los tres.
La jugadora japonesa Taira Mayuka —finalista femenina del Campeonato de Estados Unidos en 2019— fue una de las profesionales que compitió contra Ace. La descripción de Boing Boing sobre ese encuentro fue directa: Mayuka no pudo leer al robot. No encontró el patrón de juego que todo jugador de alto nivel usa para anticipar al rival.
Cuando Ace ganó el primer punto en una de las sesiones contra Mayuka, el ingeniero Peter Dürr del equipo de Sony gritó "¡Sí!" desde el costado de la mesa. Era la primera victoria documentada de un sistema autónomo contra una jugadora de nivel profesional en condiciones de competencia real.
Qué dice esto sobre el estado de la robótica
El ajedrez cayó ante las computadoras en 1997, con Deep Blue. El Go cayó en 2016 con AlphaGo. Los videojuegos de estrategia en tiempo real cayeron poco después. Pero todos esos dominios tienen algo en común: son entornos digitales o simbólicos donde la computadora no necesita un cuerpo.
El tenis de mesa es diferente. Requiere visión de alta velocidad en el mundo físico, control motor preciso en tiempo real, adaptación a variables como la fricción de la mesa, el rebote de la pelota y las variaciones del efecto del rival. Es el tipo de tarea que los roboticistas consideraban separada del progreso en IA de software.
El resultado de Sony colapsa esa separación. No de forma general —Ace juega tenis de mesa y nada más— sino como prueba de principio: que la combinación de aprendizaje en simulación, visión de evento y control de baja latencia puede alcanzar el nivel profesional humano en una habilidad física competitiva.
La pregunta que sigue no es cuándo los robots van a ganar a los humanos en tenis de mesa. Eso ya pasó. La pregunta es en qué otra tarea física pasa lo mismo a continuación.
Fuente original: Sony AI / Nature / ScienceAlert
