A Sony AI publicou o Project Ace na Nature este mês, e o número de manchete é que seu robô de tênis de mesa vence três de cinco jogos contra jogadores elite com dez ou mais anos de experiência, e já venceu vários profissionais de alto nível em partidas que remontam a dezembro de 2025. É um passo significativo além do robô de tênis de mesa do Google DeepMind de 2024, que jogava aproximadamente em nível amador. A equipe do líder do projeto Peter Dürr está fazendo a afirmação mais forte até agora de "desempenho de nível especialista em qualquer esporte físico competitivo" — uma categoria que antes exigia ambientes apenas em simulação ou robôs que só podiam lidar com um ou dois cenários treinados.
O que torna esse paper interessante do ponto de vista de um desenvolvedor não é o aprendizado por reforço profundo. O RL é convencional: uma política que pega o estado da bola e prediz onde rebater com a raquete. O que faz funcionar é o stack de percepção: nove câmeras em três sistemas de visão, rastreamento de bola a 200 Hz com precisão milimétrica e cerca de dez milissegundos de latência, e medição de efeito de até 700 Hz. Tênis de mesa é fundamentalmente um problema de percepção antes de ser um problema de controle — uma bola de 40 milímetros viajando a 30 metros por segundo te deixa cerca de 50 milissegundos para ler efeito, predizer trajetória, decidir um chute e rebater. Coloque a percepção abaixo de dez milissegundos e uma política de controle competente pode fazer o resto. Mantenha em 30 milissegundos e você está sempre respondendo a onde a bola estava, não a onde ela está.
A limitação honesta no paper, trazida por um jogador profissional adversário, é que o robô não se adapta da forma como humanos fazem. A citação — "impossível sentir que tipo de chutes ele detesta" — é exatamente o inverso de como o jogo humano de alto nível funciona. Humanos leem a linguagem corporal do adversário, ângulo da raquete no backswing e transferência de peso para predizer direção do chute antes da bola ser sequer rebatida, e conduzem o rally na direção das fraquezas do oponente ao longo de muitos pontos. Project Ace joga cada bola limpamente mas não aprende o humano ao longo da partida. A Sony reconhece isso; "adaptar-se ao oponente e encontrar fraquezas" é a área de pesquisa em aberto. Essa lacuna é o que separa "vence bons jogadores às vezes" de "ganha torneios".
Para desenvolvedores pensando em IA encarnada, o resultado da Sony é um corretivo útil à narrativa de que o gargalo é sempre o modelo. Nesse caso o modelo é bastante padrão, a encarnação é altamente especializada, e o avanço é fusão de sensores e percepção em tempo real. A mesma lição se aplica a qualquer produto robótico que tem que reagir a estado físico de movimento rápido: você pode jogar compute arbitrário na política, mas se seu loop de percepção é mais lento que a dinâmica com que você se importa, a qualidade da política é irrelevante. A próxima rodada de demos de IA física que valem a pena ser levadas a sério vai ser as que publicam sua latência e precisão de sensoriamento ao lado dos benchmarks de política. A Sony fez. Os papers que não fazem geralmente estão escondendo algo.