Skild AI、ロボット向け自己対局を発表：シミュレータで140年サッカーを学び実機へ

AIに囲碁を打たせて世界王者を倒す試みは、約10年前にDeepMindが達成しました。では、碁盤をサッカー場に変え、相手を人型ロボットにしたらどうなるでしょうか。

ロボットAI企業のSkild AIが、自己対戦を利用したフィジカルAIの事後学習成果を発表しました。同社は先月、プロンプトから学ぶ言語モデルのようにデモデータからタスクを学習する基盤モデル「S1」を発表したばかりです。しかし、人間の行動データを教師とする従来手法では、人間の能力の上限を超えられないという壁がありました。

そこで彼らが目をつけたのが、かつてAlphaGoやOpenAI Fiveを最強に育て上げた「セルフプレイ（自己対戦）」の手法を物理世界へ応用することでした。

シミュレータ内で140年分の猛特訓

ロボットにとってサッカーは極めて難易度が高い競技です。姿勢のバランス維持、スピード制御、ボールさばき、そして瞬時の状況判断が同時に求められます。

Skild AIは細かな動作ごとの報酬関数を用意せず、S1に「ゴールを決める」というシンプルな目標だけを与えました。そしてNVIDIAの物理シミュレータ「Isaac Sim」環境で、過去の自分自身と対戦させ続けました。

自分が上達すれば相手も強くなる自動トレーニングラダーの仕組みにより、シミュレーション開始当初は歩行すらままならなかったロボットが、次第に転倒からの自力起き上がりを習得しました。

最終的に140年分に相当する試合を重ねた結果、ディフェンダーを交わすドリブルやボールのキープ、タックルといった高度な技を自己流で編み出しました。さらに、このシミュレーションで完成した制御ポリシーをそのまま実機の人型ロボットへ移植し、現実世界での対戦を成立させています。

なぜ重要か

今回の成果は、人型ロボットが「人間による遠隔操作データの収集限界」を突破するための決定的な足がかりになると考えられます。

現在の人型ロボット開発は、人間が手作業で集める実機動作データに依存しており、コストがかかる上に人間の反射速度や運動能力を超えることはできません。物理シミュレータと自己対戦を組み合わせれば、人間が教えることなく超人的な身体操作スキルを自動生成できる可能性が示されました。

この技術はスポーツにとどまらず、建設現場での重量物運搬や工場での協調作業、市街地のナビゲーションなど、あらゆる実作業に応用可能です。シミュレーション環境を提供するNVIDIAのようなインフラ企業にとっても強い追い風となるでしょう。

一方で、シミュレータと現実世界のギャップ（Sim-to-Real）は依然として残ります。サッカー場のような開けた場所とは異なり、破損しやすい障害物や人間が混在する日常環境で、自己対戦由来の激しい運動ポリシーが安全性を担保できるかどうかは慎重に見極める必要があります。