Skild AI 讓機器人自我對戰：在虛擬世界踢球 140 年後跑進現實

讓 AI 在電腦裡下圍棋拿到世界冠軍，這事十年前 DeepMind 就做完了。但如果把圍棋換成人形機器人踢足球呢？

具身智慧公司 Skild AI 最近就幹了這麼一件事。上個月他們剛推出機器人基礎模型 S1，主要靠模仿人類給的演示來學動作。但團隊很快發現了一個天花板：既然資料全來自人類，那機器人的能力上限也就是人類水平。

於是他們把當年 AlphaGo、OpenAI Five 打 Dota 用的自我對弈搬到了物理世界，搞了一套物理自我對弈訓練法。

在模擬器裡踢了 140 年球

足球對機器人來說是個地獄級難題。它既要保持身體平衡、控制奔跑速度，又要即時控球、做身體對抗，還要理解攻防博弈。

Skild AI 沒去一條條教機器人怎麼抬腿、怎麼變向，甚至沒有設計複雜的獎勵規則。他們只給 S1 設定了一個極簡的目標：把球踢進球門。

接著，他們把機器人扔進了 NVIDIA 的 Isaac Sim 模擬器裡，讓它和不同版本的自己同場競技。你的對手就是上一秒的自己，這種機制在業內被叫做自動訓練階梯。只要你變強一點，你的對手立刻同步變強。

在模擬世界的前幾個月裡，機器人表現得像個嬰兒，連直立行走都勉強。到了模擬的大學年齡，它學會了摔倒後自己爬起來。

等到整整 140 年的比賽時長跑完，機器人自己摸索出了帶球過人、背身護球和飛身搶斷。這些動作不是工程師手把手調出來的，而是為了進球自己湧現出來的策略。

最關鍵的是，模擬器裡練出來的這套動作策略，被他們直接部署到了一臺真實的雙足人形機器人身上，成功完成了從虛擬到現實的遷移。

為什麼重要

我們認為，這項實驗最大的價值不在於機器人能不能去踢世界盃，而在於它給具身智慧指了一條擺脫人類資料餵養的路。

過去兩年，大家都在用昂貴的人體動捕、遙操作去收集真機資料。這種做法成本高得嚇人，而且教出來的機器人永遠不可能比操作員更敏捷。自我對弈證明了只要物理模擬足夠逼真、目標定義足夠簡單，AI 就能在虛擬空間裡自我進化出超人類的運動能力。

對開發者和行業來說，這套玩法的遷移想像空間極大。既然能為了進球在模擬器裡對戰 140 年，那同樣可以在虛擬的建築工地搬磚、在虛擬流水線上打螺絲，或者在虛擬街道上做多機協同導航。它會倒逼做物理引擎和模擬的廠商加速升級，因為算力越強、模擬越真，機器人出廠前的工齡就越長。

不過隱患也顯而易見。虛擬世界再精確，地面的微小摩擦力差異、機械關節的磨損和延遲依然存在。足球場這種相對開闊的草地容易遷移，真到了充滿易碎品和突發狀況的人類家庭，這種完全靠碰撞和對抗練出來的激進策略，安全性究竟如何，目前看起來還是個未知數。