Skild AI 机器人通过长达 140 年的模拟自我对抗学会踢足球

目标中并没有写着“盘带”、“奔跑”或“保持平衡”。据 Skild AI 称，该系统唯一要做的就是进球得分。基于这一信号，一个实体智能模型在 NVIDIA Isaac Sim 仿真平台内反复与自身的各种版本展开对抗。每一个新对手都迫使智能体寻找更优的应对策略，与此同时，数以千计的比赛得以并行运转。

该公司估算，在现实时间的短短数周内，该过程积累了相当于超过 140 年的模拟足球经验。这并非指钟表上的 140 年，亦非实体机器人的连续奔跑，而是由计算基础设施上多个虚拟环境同步生成的经验总和。

起初，智能体几乎难以行走。随着对抗竞争的展开，跌倒爬起、加速、逼近球体、变向带球、护球以及争夺球权等能力相继涌现。在多智能体对决中，还出现了传球与战术配合。这些行为并未获得单独的奖励设定；它们之所以演化出来，纯粹是因为能够提升进球得分的概率。

自我博弈（self-play）让系统自身成为了对手与数据的生成器。一个副本试图超越另一个副本；经过改进的版本随即成为下一个对手，从而在不完全依赖人类示范的情况下不断提升难度水平。这一构想在围棋（Go）、《星际争霸II》（StarCraft II）和《Dota 2》等游戏中已有知名先例，但若将其应用到物理实体上，则会引入重力、惯性、碰撞接触、延迟以及损坏风险。

在足球场景中，僵化的策略或许能够应对预设的轨迹，但只要足球、对手或起始位置发生改变就会失效。对抗竞争迫使系统对动态变化的局面做出响应。这项测试的价值并不在于培养一名职业前锋，而在于展示高阶目标如何能够催生出一套可复用的运动控制能力。

仿真物理始终只是一种近似。真实的电机、表面、相机和关节存在公差、延迟和噪声，这些是虚拟模型无法完美复现的。这种差异被称为“从仿真到真实差距”（sim-to-real gap）：在屏幕上表现出色的策略，可能一旦接触到地毯或受到意外推搡就会失效。

Skild AI 声称，他们将训练好的策略迁移到了实体人形机器人上，且无需针对具体任务进行重新训练，并让其与人类以及其他机器人进行了对抗。视频展示了奔跑、带球逼近、变向以及姿态恢复。这是一次引人注目的迁移演示，尽管该公司并未随之发布经同行评审的论文、可复现的代码或完整的成功率指标。

因此，有必要将直观可见的证据与普遍性的结论区分开来。该机器人确实执行了在仿真中学到的物理技能；但我们尚不清楚它出现故障的频率、在其他表面上的表现会发生多大变化、对该足球的依赖程度如何，或者在连续运行数小时后会有怎样的反应。

该实验依托于S1——这是Skild AI推出的用于在上下文中学习新任务的通用模型。该公司的方案是让机器人能够观察演示并进行调整，而无需从零开始训练独立模型。这一方法是其更大愿景的一部分：Skild Brain，一个能够操控不同形态机体（从机械臂、移动平台到四足机器人和人形机器人）的物理智能基础平台。

Skild AI于2023年在匹兹堡成立，由与卡内基梅隆大学（Carnegie Mellon University）机器人研究所相关的研究人员Deepak Pathak和Abhinav Gupta创立。该公司已吸引了来自Lightspeed、Coatue、SoftBank、Jeff Bezos和Felicis Ventures的资本。Felicis创始人Aydin Senkut一直是其支持者之一；Ryan Kitchie则负责领导该公司的全球商业拓展。

这些投资解释了其算力规模，同时也要求外界对企业的商业演示保持审慎态度。一段精彩的视频片段足以证明某种能力的存在，但它不能替代独立基准测试、安全文档或在实际生产环境中持续稳定的表现。

本案例汇聚了三大技术进展：自主经验生成、非逐一预设技能的自主涌现，以及从模拟器到人形机器人的迁移。其重要意义在于多项技术的结合，而不在于机器人的表现是否超越了人类。

目前尚缺乏关于架构、奖励机制、智能体数量、算力消耗、硬件配置、耐用性以及在展示场景之外表现的公开数据。在出现具备可比性的基准测试之前，这140年的模拟经验与直接迁移能力，均应被视为 Skild AI 单方公布的成果。这些进展足以开启一场严肃的探讨，但绝不足以宣告通用物理学习已被彻底攻克。