倫敦南方的 DeepMind 實驗室內，兩隻由人工智慧驅動的機器手臂，從 2022 年至今持續展開一場沒有終點的「乒乓球延長賽」。與一般的競技不同，這場對戰不追求勝負，而透過不斷的交鋒與回合對打，讓手臂從每次擊球中學習新策略。研究團隊表示，這種「邊打邊學」的模式，正是推進機器人適應真實世界複雜環境的重要關鍵。

這對機器手臂由 Google DeepMind 開發，被視為未來人形機器人的核心。最初，機器手臂只是簡單的來回擊球，工程師接著逐步提高難度，增加競爭機制，讓機器手臂開始追求得分，發展出各種取分策略，卻也暴露出「邊學邊忘」的困境，經常在適應新策略時遺忘舊戰術，導致回合快速結束。

為了改善這個問題，工程師請來真人陪練，在對抗變化多端的人類時，機器人才顯得更穩定，也制定了多樣策略，最終統計，機器手臂與人類進行了 29 場比賽，勝率為 45%，對中階玩家更達到 55% 的勝率，可說是遇強更強。

為了加速突破瓶頸，DeepMind 團隊進一步引入 Google Gemini 視覺語言模型做為機器手臂的「AI 教練」。Gemini 分析乒乓對戰影片，給出「朝右邊擊球」或「加強網前短球」等自然語言反饋，彷彿教練在場邊指導一般，讓機器手臂能更快速且有效地調整擊球策略。

研究團隊指出，選擇乒乓球做為訓練平台也並非偶然。這項運動具備高速反應、精準動作控制與多樣化策略等特點，且成本低廉，非常適合用來培養通用型機器人的各種能力。

希望透過持續學習與實戰經驗累積，逐步縮短機器人從實驗室走向實際應用的距離，打造出能真正融入家庭、工廠及各種日常環境的智慧型夥伴。

• Google DeepMind
• DeepMind’s Quest for Self-Improving Table Tennis Agents

（首圖來源：影片截圖）

文章看完覺得有幫助，何不給我們一個鼓勵

想請我們喝幾杯咖啡？

每杯咖啡 65 元

您的咖啡贊助將是讓我們持續走下去的動力