Choose your language to read side by side with English.

Robots can run a marathon and play ping pong. But will they ever achieve true sporting greatness?

Robot dapat berlari maraton dan bermain ping pong. Tetapi akankah mereka pernah mencapai kehebatan olahraga sejati?

Robots can run a marathon and play ping pong. But will they ever achieve true sporting greatness?

Jonathan Roberts, Professor in Robotics, Queensland University of Technology Marc Portus, Performance Lead, QUT Sport, Queensland University of Technology
Show
Hide
EN – ID
ID – EN

The real opportunity is not to build robot champions, but to better understand human performance.

Peluang sebenarnya bukanlah membangun juara robot, melainkan memahami kinerja manusia dengan lebih baik.

A humanoid robot recently made headlines around the world for running a half-marathon and beating the human world record. Around the same time, an AI-powered robot defeated an elite human player in table tennis. What the robot lacked in experience, it made up for by reacting faster and more consistently than any person could.

Robot humanoid baru-baru ini menjadi berita utama di seluruh dunia karena berlari setengah maraton dan memecahkan rekor dunia manusia. Sekitar waktu yang sama, robot bertenaga AI mengalahkan pemain manusia elit dalam tenis meja. Apa yang kurang pada robot dalam pengalaman, ia gantikan dengan bereaksi lebih cepat dan lebih konsisten daripada yang bisa dilakukan manusia mana pun.

These moments feel like milestones. Finally, it seems machines are stepping into one of the most human arenas – sports.

Momen-momen ini terasa seperti tonggak sejarah. Akhirnya, tampaknya mesin memasuki salah satu arena paling manusiawi – olahraga.

But while it is tempting to frame this as robots versus humans, sport robotics isn’t really about competition. It’s about how machines can learn to move, react and interact in dynamic, unpredictable environments – and what that means for human performance.

Namun, meskipun menggambarkannya sebagai robot versus manusia memang menggoda, robotika olahraga sebenarnya bukan tentang kompetisi. Ini tentang bagaimana mesin dapat belajar bergerak, bereaksi, dan berinteraksi di lingkungan yang dinamis dan tidak terduga – dan apa artinya itu bagi kinerja manusia.

How do you train a robot to play sport?

Bagaimana cara melatih robot untuk bermain olahraga?

Training a robot to play sport is fundamentally different from training a human athlete.

Melatih robot untuk bermain olahraga secara mendasar berbeda dari melatih atlet manusia.

People learn through practice, coaching and experience, constantly adjusting to changing conditions. In sport science, this is often described as a tight coupling between perception and action. That is, seeing, deciding, and moving in one continuous loop.

Manusia belajar melalui latihan, pelatihan, dan pengalaman, terus menyesuaikan diri dengan kondisi yang berubah. Dalam ilmu olahraga, ini sering digambarkan sebagai keterkaitan erat antara persepsi dan tindakan. Artinya, melihat, memutuskan, dan bergerak dalam satu siklus berkelanjutan.

Robots, by contrast, are trained using a combination of simulation, data and control algorithms. Engineers build detailed virtual environments where robots can “practice” millions of times. They learn how to track objects, predict motion and coordinate their bodies. Sometimes, motion analysis techniques are used to track athletes doing the specific movements the robot needs to emulate.

Sebaliknya, robot dilatih menggunakan kombinasi simulasi, data, dan algoritma kontrol. Para insinyur membangun lingkungan virtual yang detail di mana robot dapat “berlatih” jutaan kali. Mereka belajar cara melacak objek, memprediksi gerakan, dan mengoordinasikan tubuh mereka. Terkadang, teknik analisis gerakan digunakan untuk melacak atlet yang melakukan gerakan spesifik yang perlu ditiru oleh robot.

For fast-paced sports such as table tennis, the challenge is extreme. A robot must detect the ball, predict its trajectory and execute a precise movement within fractions of a second. This requires close integration between computer vision, machine learning and real-time control.

Untuk olahraga berkecepatan tinggi seperti tenis meja, tantangannya sangat ekstrem. Robot harus mendeteksi bola, memprediksi lintasannya, dan melaksanakan gerakan yang tepat dalam hitungan pecahan detik. Ini memerlukan integrasi erat antara visi komputer, pembelajaran mesin, dan kontrol waktu nyata.

One of the biggest advances in recent years has been the ability to train robots in simulation and then transfer those skills into the real world – a process known as “sim-to-real”. Combined with rapid improvements in sensors and computing, this has dramatically accelerated progress.

Salah satu kemajuan terbesar dalam beberapa tahun terakhir adalah kemampuan untuk melatih robot dalam simulasi dan kemudian mentransfer keterampilan tersebut ke dunia nyata – sebuah proses yang dikenal sebagai “sim-to-real”. Dikombinasikan dengan peningkatan cepat pada sensor dan komputasi, hal ini telah mempercepat kemajuan secara dramatis.

We’ve seen similar developments in robot basketball and robot soccer, where systems have evolved from simply locating the ball to coordinating as teams, making tactical decisions and adapting to opponents.

Kami telah melihat perkembangan serupa dalam robot bola basket dan robot sepak bola, di mana sistem telah berevolusi dari sekadar menemukan bola menjadi berkoordinasi sebagai tim, membuat keputusan taktis, dan beradaptasi dengan lawan.

Beyond entertainment

Melampaui hiburan

While robot athletes make for compelling demonstrations, their greatest impact will likely be behind the scenes where they can be used to train human athletes.

Meskipun atlet robot memberikan demonstrasi yang menarik, dampak terbesar mereka kemungkinan akan berada di balik layar, di mana mereka dapat digunakan untuk melatih atlet manusia.

One of the central challenges in sport is designing effective practice. Athletes need repetition to build skill. But they also need variability to reflect real competition. Too much repetition becomes predictable; too much variability becomes chaotic.

Salah satu tantangan utama dalam olahraga adalah merancang latihan yang efektif. Atlet membutuhkan pengulangan untuk membangun keterampilan. Namun, mereka juga membutuhkan variabilitas untuk mencerminkan kompetisi nyata. Terlalu banyak pengulangan menjadi dapat diprediksi; terlalu banyak variabilitas menjadi kacau.

Robotics offers a potential way to balance both.

Robotika menawarkan cara potensial untuk menyeimbangkan keduanya.

A robotic training partner can deliver highly repeatable actions at elite intensity, while also introducing carefully controlled variation. For example, a robotic tennis server could replicate the motion of a world-class player while systematically varying ball speed, flight and placement.

Mitra latihan robotik dapat memberikan aksi yang sangat berulang pada intensitas elit, sekaligus memperkenalkan variasi yang dikontrol dengan hati-hati. Misalnya, server tenis robotik dapat mereplikasi gerakan pemain kelas dunia sambil secara sistematis mengubah kecepatan bola, lintasan, dan penempatan.

From a sport science perspective, this creates what is known as a “representative learning environment”. The key benefit is it replicates the key perceptual and decision-making demands of elite competition, which is difficult for coaches to recreate in the training environment.

Dari perspektif ilmu olahraga, ini menciptakan apa yang dikenal sebagai “lingkungan belajar representatif”. Manfaat utamanya adalah mereplikasi tuntutan perseptual dan pengambilan keputusan utama dari kompetisi elit, yang sulit direplikasi oleh pelatih di lingkungan latihan.

In our work, we’ve been exploring how robotics could support sports such as tennis, cricket and the football codes. The goal is to combine realism, repeatability, variability, and data to enhance skill development and link technique to outcomes.

Dalam pekerjaan kami, kami telah mengeksplorasi bagaimana robotika dapat mendukung olahraga seperti tenis, kriket, dan sepak bola. Tujuannya adalah menggabungkan realisme, pengulangan, variabilitas, dan data untuk meningkatkan pengembangan keterampilan dan menghubungkan teknik dengan hasil.

Robots may also help manage training load. They can reduce the physical demands on coaches and training partners while still exposing athletes to high-quality game-like scenarios.

Robot juga dapat membantu mengelola beban latihan. Mereka dapat mengurangi tuntutan fisik pada pelatih dan mitra latihan sambil tetap memaparkan atlet pada skenario seperti permainan berkualitas tinggi.

Beyond performance, there are opportunities for fan engagement. Interactive robots at live events or demonstrations of elite skills could offer new ways for audiences to experience sport.

Di luar performa, ada peluang untuk keterlibatan penggemar. Robot interaktif di acara langsung atau demonstrasi keterampilan elit dapat menawarkan cara baru bagi penonton untuk merasakan olahraga.

Will robots ever be ‘great’?

Akankah robot pernah ‘hebat’?

Over the next decade, robots will likely become more agile, more robust and better able to operate in complex environments. Tasks that robots currently find difficult, such as running on uneven terrain and catching or throwing balls, will become increasingly achievable.

Selama dekade berikutnya, robot kemungkinan akan menjadi lebih gesit, lebih kuat, dan lebih mampu beroperasi di lingkungan yang kompleks. Tugas-tugas yang saat ini dianggap sulit oleh robot, seperti berlari di medan yang tidak rata dan menangkap atau melempar bola, akan menjadi semakin mungkin dilakukan.

But even as robots improve, there are important limits.

Namun, bahkan saat robot meningkat, ada batasan-batasan penting.

Sporting greatness is not just about executing movements perfectly. It involves creativity, decision-making under pressure, and the ability to adapt in ways shaped by experience, emotion and context.

Kehebatan olahraga tidak hanya tentang melaksanakan gerakan dengan sempurna. Ini melibatkan kreativitas, pengambilan keputusan di bawah tekanan, dan kemampuan untuk beradaptasi dengan cara yang dibentuk oleh pengalaman, emosi, dan konteks.

From a sport science perspective, elite performance emerges from the interaction between the athlete, the task and the environment. Robots can be engineered to perform specific tasks extremely well, but they do not experience this interaction in the same embodied, meaningful way.

Dari sudut pandang ilmu olahraga, kinerja elit muncul dari interaksi antara atlet, tugas, dan lingkungan. Robot dapat direkayasa untuk melakukan tugas-tugas tertentu dengan sangat baik, tetapi mereka tidak mengalami interaksi ini dengan cara yang terwujud dan bermakna yang sama.

This means robots may surpass humans in tightly defined challenges – such as bowling a cricket ball with perfect consistency – but they are unlikely to achieve greatness in the holistic human sense.

Ini berarti robot mungkin melampaui manusia dalam tantangan yang didefinisikan secara ketat – seperti melempar bola kriket dengan konsistensi sempurna – tetapi mereka tidak mungkin mencapai kehebatan dalam pengertian manusia yang holistik.

A new role for robots in sport

Peran baru robot dalam olahraga

Rather than replacing athletes, robots are more likely to become part of the sporting ecosystem.

Daripada menggantikan atlet, robot lebih mungkin menjadi bagian dari ekosistem olahraga.

In the same way that video analysis and wearable sensors have transformed training, robotics offers a new tool for coaches and sport scientists. It enables practice environments that can be precisely controlled, repeated, and adapted to individual needs.

Sama seperti analisis video dan sensor yang dapat dikenakan telah mengubah pelatihan, robotika menawarkan alat baru bagi pelatih dan ilmuwan olahraga. Ini memungkinkan lingkungan latihan yang dapat dikontrol, diulang, dan disesuaikan secara tepat dengan kebutuhan individu.

The real opportunity is not to build robot champions, but to better understand human performance, and help athletes reach higher levels.

Peluang sebenarnya bukanlah membangun juara robot, tetapi untuk memahami kinerja manusia dengan lebih baik, dan membantu atlet mencapai tingkat yang lebih tinggi.

Jonathan Roberts receives funding from the Australian Research Council.

Jonathan Roberts menerima pendanaan dari Australian Research Council.

Marc Portus does not work for, consult, own shares in or receive funding from any company or organisation that would benefit from this article, and has disclosed no relevant affiliations beyond their academic appointment.

Marc Portus tidak bekerja untuk, berkonsultasi, memiliki saham di, atau menerima pendanaan dari perusahaan atau organisasi mana pun yang akan mendapat manfaat dari artikel ini, dan tidak mengungkapkan afiliasi relevan selain jabatan akademiknya.

Read more