Besser denn Timo Boll? Roboter „Ace“ bringt Tischtennis-Profis ans Limit

Ein autonomes Robotersystem kann mit Unterstützung von künstlicher Intelligenz auf professionellem Niveau Tischtennis spielen. Bei Versuchsspielen konnte die Maschine fünf von sieben Partien gegen gute Amateure, die im Durchschnitt 20 Stunden pro Woche trainieren, gewinnen.

Im Vergleich mit vier professionellen Tischtennisspielern hielt der Roboter namens Ace gut mit und gewann ein Spiel. Für reelle Siegchancen gegen Weltklasse-Spieler wie Timo Boll reicht es bislang nicht ganz. Die Studie eines Forschungsteams des japanischen Elektronikkonzerns Sony um Peter Dürr, Direktor von Sony AI in Zürich, ist in der Fachzeitschrift „Nature“ erschienen.

„Tischtennis ist ein äußerst komplexes Spiel, das blitzschnelle Entscheidungen sowie Schnelligkeit und Kraft erfordert“, wird Dürr in einer Mitteilung von Sony AI zitiert. Bei Spielen von bisher entwickelten Tischtennisrobotern seien die Bedingungen für die Maschine vereinfacht worden.

So wurden in früheren Anläufen die Spielfeldflächen verkleinert und auf Aufschläge verzichtet, schreiben die Studienautoren. Sie hätten Ace jedoch so gestaltet, dass er nach den Regeln des Internationalen Tischtennisverbandes auf professionellem Niveau spielen kann.

Der Aufwand dafür ist allerdings groß: Neun Active-Pixel-Kameras und drei Kameras mit Eye-Tracking-Technologie sorgen dafür, dass Ace die nötigen Daten erhält, um Richtung, Geschwindigkeit und Spin eines Balls korrekt einschätzen zu können.

Gerade der Spin, die Eigendrehung des Balls, die ihn nach dem Aufkommen auf der Platte in eine andere Richtung springen lässt als einen Ball ohne Drehung, war bei früheren Systemen kaum berücksichtigt worden. Deshalb konnten sie auch nur gegen Spielanfänger, die den Spin nicht einsetzten, mithalten. Ace hingegen spielt zu 75 Prozent Bälle erfolgreich zurück, die bis zu etwa 72 Umdrehungen pro Sekunde aufweisen. Der Maximalwert liegt sogar bei rund 138 Umdrehungen.

Vier Jahrzehnte Forschung an Tischtennisrobotern

Ähnlich beeindruckend ist die Ballgeschwindigkeit, mit der Ace schlagen kann: 59 Kilometer pro Stunde. Außerdem kann er Bälle von bis zu gut 70 Kilometern pro Stunde erfolgreich retournieren. Möglich wird dies durch eine Steuerung, die mittels der KI-Methode bestärkendes Lernen – sogenanntes Reinforcement Learning – alle 32 Millisekunden die Position des Balls und des Roboterarms mit Aktionen verknüpft.

Hinzu kommen Trainings mit Computersimulationen und Roboter-Hardware der neuesten Generation. Diese Innovationen ermöglichten es Ace, gegen fünf Amateure 16 unerreichbare Aufschläge, auch Asse genannt, zu platzieren. Umgekehrt gelangen den fünf Amateuren nur acht Asse gegen Ace.

„Dies stellt einen Meilenstein in der KI-Forschung dar und zeigt erstmals, dass ein KI-System in komplexen, sich schnell verändernden realen Umgebungen, die Präzision und Geschwindigkeit erfordern, effektiv wahrnehmen, schlussfolgern und handeln kann“, sagt Peter Stone, leitender Wissenschaftler bei Sony AI.

Wenn KI-Roboter unter diesen Bedingungen auf dem Niveau eines Experten agieren könnten, eröffne die Technologie völlig neue Anwendungsbereiche, betont Stone. Bisher war KI in zahlreichen Spielen erfolgreich, die zwar schnelle Reaktionen, aber keine komplexen Bewegungen erforderten.

Der Informatiker Jan Peters von der Technischen Universität Darmstadt verweist auf die Bedeutung des Roboters. Das Team habe einen Traum aus vier Jahrzehnten Forschung an Roboter-Tischtennis erfüllt: „Roboter, die in einer hochkomplexen Aufgabe wie Tischtennis über die Leistung der Menschen hinauswachsen“, sagte er. „Aber bei der schieren Menge an genutzten Ressourcen – also sowohl Manpower und Technik als auch Rechenleistung – kann von Überraschung keine Rede sein.“

Er sieht auch keinen großen Nutzen darin. „Der präsentierte Ansatz wurde speziell für Tischtennis entwickelt, daher ist es extrem unwahrscheinlich, dass praktische Aufgaben davon profitieren“, sagte der Experte, der vor 15 Jahren selbst an der Entwicklung eines Tischtennis-Roboters beteiligt war.

Auch Sven Behnke von der Universität Bonn sieht eine geringe Praxisrelevanz. Stattdessen würden Mehrzweckroboter benötigt, die sich schnell an neue Umgebungen und Aufgaben anpassen können, die aus ihren Fehlern lernen und ihre Grenzen kennen. „Solche intelligenten Roboter erfordern noch viel Forschungsarbeit.“