Sonys Tischtennisroboter Ace schlägt Spitzenspieler nach offiziellen Regeln, gegen Profis verliert er noch
Der autonome Tischtennisroboter Ace von Sony AI hat in Partien vom April 2025 drei von fünf Matches gegen Spitzenspieler gewonnen und beide Matches gegen Profis der japanischen T.League verloren. Das geht aus einem am 22. April 2026 in Nature veröffentlichten Paper hervor. Das System kombiniert ereignisbasierte Bildsensoren von Sony, die gemeinsam mit dem französischen Unternehmen Prophesee entwickelt wurden, mit einem Arm mit acht Freiheitsgraden und in der Simulation trainiertem Reinforcement Learning.
Die Forschungseinheit Sony AI hat in Nature einen Tischtennisroboter vorgestellt, der nach eigener Darstellung als erstes autonomes System in der realen Welt mit menschlichen Spitzenspielern mithalten kann. Laut dem am 22. April 2026 in Band 652 erschienenen Paper gewann der Roboter namens Ace nach offiziellen Wettkampfregeln drei von fünf Matches gegen Elitespieler und verlor beide Matches gegen Profis.
Im Einzelnen gewann Ace gegen fünf Elitespieler, drei Frauen und zwei Männer mit mehr als zehn Jahren intensivem Training und rund 20 Stunden Übung pro Woche, 7 von 13 Sätzen. Gegen die beiden Profis Minami Ando und Kakeru Sone aus der japanischen T.League gewann er 1 von 7 Sätzen. Alle Partien fanden im April 2025 statt, jeder Gegner trat zum ersten Mal gegen den Roboter an.
Der Aufschlag erwies sich als Stärke. Mit 15 Aufschlagvarianten erzielte Ace gegen die Elitegruppe 16 direkte Punkte, die Gegner zusammen 8. Gegen die Profis setzte er 13 Varianten ein und kam auf 4 solcher Punkte, die Profis auf 7. Die Projektseite von Sony AI, die Partien gegen 12 Spieler im April und Dezember 2025 abdeckt, meldet einen ersten Sieg gegen einen Profi. Dieses Ergebnis ist nicht Teil des begutachteten Papers.
Das System besteht aus drei Teilen. Neun synchronisierte konventionelle Kameras triangulieren den Ball mit 200 Hz in drei Dimensionen. Drei blickgesteuerte Einheiten mit ereignisbasierten Sensoren verfolgen das aufgedruckte Logo und schätzen so den Spin. Die mittlere Latenz der Ballortung liegt bei 10,2 Millisekunden. Laut Sony AI handelt es sich um IMX636-Sensoren, die mit dem französischen Unternehmen Prophesee entwickelt wurden, sowie um Pregius-IMX273-Sensoren.
Der Arm ist eine Eigenentwicklung mit acht Freiheitsgraden, zwei Linearachsen für die seitliche Bewegung und sechs Drehgelenken. Die Struktur besteht aus topologieoptimierten Teilen aus Scalmalloy, die Antriebe sind im Millisekundentakt synchronisiert, gespielt wird mit einem Belag vom Typ Butterfly Dignics 05. Ace returniert Bälle bis 14 Meter pro Sekunde zuverlässig, hält bei Spin bis 450 Radiant pro Sekunde eine Rückschlagquote von mehr als 75 Prozent und erreicht maximal 16,4 Meter pro Sekunde Lineargeschwindigkeit, heißt es im Paper.
Gesteuert wird über Deep Reinforcement Learning. Das Team trainierte die Regelung mit dem Soft-Actor-Critic-Verfahren vollständig in der Simulation, mit einer asymmetrischen Architektur, in der die Policy verrauschte Eingaben erhält und der Critic exakte Werte. Der Simulator bildet den geschwindigkeitsabhängigen Magnus-Effekt, schwankende Absprünge auf dem Tisch und einen per neuronalem Netz korrigierten Ball-Schläger-Kontakt ab. Die Policy entscheidet mit 31,25 Hz, umgesetzt in kollisionsfreie Bahnen mit 1 kHz. Die Aufschlagbibliothek entstand per genetischem Algorithmus.
Das Paper nennt mehr als 50 Autoren, Erstautor ist Peter Dürr, Letztautor Michael Spranger, Hauptaffiliation Sony AI in Tokio. Als Sensorlieferant nennt Sony AI die Konzerntochter Sony Semiconductor Solutions, als Partner für die Spielerauswahl die Tischtennismarke Victas.
Für die europäische Industrie ist der Befund doppelt interessant. Mit Prophesee steckt ein französisches Unternehmen in der Sensorik, und für Roboterhersteller wie ABB oder KUKA stellt sich die Frage, wie schnell lernende Steuerungen in ihre Produkte wandern. Klassische Industrieroboter sind schnell, wiederholen aber programmierte Bahnen in abgesicherten Zellen. Ace zeigt, dass eine gelernte Regelung binnen Millisekunden auf unvorhersehbare Eingaben reagieren kann, eine Fähigkeit, die kollaborativen Robotern in Montage und Logistik bislang fehlt.
Die Grenzen stehen in den Ergebnissen. Gegen beide Profis verlor Ace in den Partien des Papers, die Anlage ist ein fest installierter Aufbau mit zwölf Kameraeinheiten um einen Tisch, und Angaben zu Rechenaufwand, Trainingsdauer oder Kosten fehlen. Ob sich der Ansatz auf Aufgaben ohne so präzise modellierbare Physik übertragen lässt, wurde nicht geprüft.
- Elitespieler
- 5
- 5
- 3
- 13
- 7
- 16
- 8
- Profis (T.League)
- 2
- 2
- 0
- 7
- 1
- 4
- 7
Alle Werte wie im Nature-Paper (DOI 10.1038/s41586-026-10338-5) offengelegt. Jeder Gegner spielte ein Match, daher entspricht die Zahl der Matches der Spielerzahl. Die auf der Projektseite genannten Partien vom Dezember 2025 sind nicht enthalten.
Stand: 1. Okt. 2026
ROBOTNESS-Analyse
Ace ist weniger ein Sportrekord als der Nachweis, dass ereignisbasiertes Sehen zusammen mit simulationstrainiertem Reinforcement Learning die Latenzlücke schließen kann, die Roboter bisher von schnellen, kontaktreichen Aufgaben fernhält.
Dafür spricht der Aufbau. Eine Wahrnehmungsschleife von 10,2 Millisekunden, eine Policy mit 31,25 Hz über einer 1-kHz-Bahnebene und Returns bis 14 Meter pro Sekunde gegen menschliche Gegner wurden unter Wettkampfbedingungen gemessen, nicht in inszenierten Vorführungen. Sensor, Lernforschung und Integration liegen in einer Hand.
Das stärkste Gegenargument lautet, dass Tischtennis eine geschlossene Welt ist. Die Ballphysik lässt sich exakt modellieren, der Arbeitsraum ist fix, die Kameras lassen sich ringsum platzieren. In Fabrik und Lager gibt es verformbare Teile, Unordnung und Verdeckung, wo vergleichbare Simulationstreue deutlich schwerer zu erreichen ist.
Optimistisches Szenario. Ereignisbasierte Sensoren werden zum Standard für reaktionsschnelle Roboter, Sony nutzt Ace als Referenzdesign, und die Trainingsmethoden wandern in schnelles Sortieren, Fangen und Übergaben zwischen Mensch und Roboter.
Pessimistisches Szenario. Ace bleibt ein Forschungsschaustück wie frühere spielende KI-Systeme. Kunden bleiben bei konventionellen Kameras, weil ereignisbasiertes Sehen neue Software verlangt, und Sony baut kein Robotikgeschäft darauf auf.
Signale, die zu beobachten sind:
- Ob Sony Semiconductor Solutions bis zum Ende des Geschäftsjahres im März 2027 ereignisbasierte Sensorprodukte oder Referenzkits für Roboterhersteller ankündigt.
- Eine begutachtete Veröffentlichung der Partien vom Dezember 2025 samt des auf der Projektseite genannten Profisiegs.
- Folgearbeiten von Sony AI, die denselben Wahrnehmungs- und Regelungsaufbau auf Manipulation außerhalb des Sports anwenden, etwa zur CoRL 2026 oder ICRA 2027.
- Nature, 22. April 2026, Band 652, Heft 8111, Seiten 886 bis 891
- Sony AI, Tokio
- 3 von 5 Matches, 7 von 13 Sätzen gewonnen
- Beide Matches verloren, 1 von 7 Sätzen gewonnen (Minami Ando, Kakeru Sone, T.League)
- April 2025, offizielle Wettkampfregeln
- 10,2 ms im Mittel
- 9 konventionelle Kameras mit 200 Hz, 3 ereignisbasierte Einheiten (IMX636 mit Prophesee)
- 8 Freiheitsgrade (2 linear, 6 rotatorisch), 1-ms-Synchronisation
- Soft Actor-Critic, vollständig in der Simulation trainiert
- Bis 14 m/s zuverlässig; über 75 Prozent bis 450 rad/s Spin
Warum das wichtig ist
Die meisten Ergebnisse im Roboterlernen werden an Erfolgsquoten in langsamen, inszenierten Aufgaben gemessen. Ace wurde an Siegen und Niederlagen gegen Menschen gemessen, die gewinnen wollten, bei Geschwindigkeiten, in denen Millisekunden entscheiden. Damit liegt einer der klarsten öffentlichen Belege vor, dass eine gelernte Regelung schnelle, gegnerische physische Interaktion beherrschen kann, eine Voraussetzung für Roboter, die neben Menschen arbeiten.
Für Sony ist das auch strategisch relevant. Bildsensoren, KI-Forschung und Systemintegration liegen in einem Konzern, und das Paper dokumentiert, wie diese Bausteine in einem funktionierenden System zusammenspielen.
Wettbewerbsanalyse
Nach der eigenen Erstmaligkeitsaussage des Papers hat noch niemand begutachtete Ergebnisse eines Roboters vorgelegt, der Elitespieler nach offiziellen Regeln schlägt. Der Wettbewerb findet daher bei den Basistechnologien statt. Prophesee, Mitentwickler des IMX636, ist das bekannteste unabhängige Unternehmen für ereignisbasiertes Sehen und ein europäischer Akteur in dieser Kette. Bei der Robotersteuerung bauen Google DeepMind, Physical Intelligence und Skild AI allgemeine Modelle, ohne in öffentlichen Ergebnissen vergleichbare Reaktionsgeschwindigkeiten zu zeigen.
Europäische Industrieroboterhersteller wie ABB und KUKA sowie Automatisierer wie Festo stehen vor der Frage, wie schnell lernende, sensorgetriebene Steuerungen in ihre Produkte einziehen. Ace liefert dafür einen Maßstab bei Latenz und Reaktionsfähigkeit.
Bewertungskontext
Sony legt die Ausgaben für Sony AI oder das Ace-Projekt nicht offen, eine Bewertung lässt sich daher nicht ableiten. Zur Einordnung der Preise für Roboterintelligenz sei erwähnt, dass Skild AI im Januar 2026 laut eigener Mitteilung 1,4 Milliarden Dollar bei 14 Milliarden Dollar Bewertung einsammelte und Figure AI im September 2025 eine Milliarde Dollar bei 39 Milliarden Dollar.
Für Sony liegt der direktere Bezug im Sensorgeschäft. Ein überzeugender Robotik-Anwendungsfall stützt die Nachfrage nach ereignisbasierten Sensoren.
Folgen für die Lieferkette
Ace nutzt zwei Sony-Sensorfamilien, den mit Prophesee entwickelten IMX636 und den Pregius IMX273. Der Arm ist eine Sonderanfertigung mit topologieoptimierten Scalmalloy-Teilen und millisekundengenau synchronisierten Antrieben, der Belag stammt von Butterfly, Partner für die Spielerauswahl ist Victas.
Die Architektur deutet auf eine Lieferkette, in der Sensorhersteller näher an die Robotikintegration rücken. Ereignisbasiertes Sehen braucht eigene Verarbeitungssoftware, was Sensoranbietern einen Anreiz gibt, komplette Wahrnehmungsmodule statt einzelner Chips zu liefern. Für deutsche Zulieferer von Bildverarbeitung ist das ein Hinweis auf künftige Modulkonkurrenz.
Worauf jetzt zu achten ist
Produktankündigungen von Sony Semiconductor Solutions für Roboterhersteller würden kommerzielle Absichten zeigen. Zweitens eine begutachtete Darstellung der Partien vom Dezember 2025. Drittens die Übertragung des Aufbaus auf Manipulation, Logistik oder Übergaben zwischen Mensch und Roboter.
Als Termine bieten sich die CoRL im Herbst 2026, Sonys Jahreszahlen im Mai 2027 und die ICRA 2027 an.
Analystensicht
These: Ace ist der bislang stärkste öffentliche Beleg dafür, dass latenzarme ereignisbasierte Wahrnehmung plus simulationstrainiertes Reinforcement Learning Roboter in schneller physischer Interaktion mit Menschen konkurrenzfähig machen kann. Konfidenz: mittel.
Für die These sprechen Begutachtung, Messung unter offiziellen Regeln und exakte Latenz- und Geschwindigkeitswerte. Gegen eine hohe Konfidenz sprechen die ungewöhnlich gut modellierbare Umgebung, der große stationäre Aufbau und die Niederlagen gegen beide Profis in den Partien des Papers.
Offene Fragen
Wie stark hängt die Leistung von der präzisen Physik des Tischtennisballs ab, und was geschieht bei Objekten, die sich nicht so genau simulieren lassen? Welchen Rechenaufwand und welche Trainingszeit brauchte das System, das Paper nennt keine Zahlen?
Wird Sony Teile des Aufbaus als Sensormodule oder Referenzdesign vermarkten? Und wird der Profisieg vom Dezember 2025 so sorgfältig dokumentiert wie die Partien vom April 2025?