在模拟器里踢了140年球：Skild让机器人跟自己对打，练出了铲球和护球

Skild AI给机器人找了一个会越变越强的陪练：它自己。这家匹兹堡的机器人公司发布了一项叫“物理自我对弈”（physical self-play）的训练结果，让基础模型S1在模拟器里和自己踢足球，累计踢了140多年。

规则只有一条：进球。S1在英伟达Isaac Sim搭出的虚拟球场里，和自己最近的几个版本对抗；它每进步一点，对手也跟着进步一点，所以每一次变强，都会换来一个更难缠的对手。

Skild描述了这段“成长史”：最初几个模拟月里，它几乎走不稳；到了相当于“上大学”的年纪，它学会了摔倒后自己站起来；再往后，带球过人、用身体护球、铲断对手这些动作陆续冒了出来。公司说，这些战术没有单独设计奖励，是因为能帮它进球才被学会的。

需要分清两个阶段。进入自我对弈之前，S1先练了基本功：不同速度、不同方向的带球和射门，每个动作有自己的奖励，也参考了人类动作示范。自我对弈阶段才不再给示范，只看进球。模型每秒输出50次人形机器人各关节的角度。

踢完这140年，团队把策略搬进了一台真的人形机器人，让它和人、和别的机器人对踢。在四个智能体一起踢的比赛里，已经出现了早期的传球和配合。

S1是Skild上个月发布的基础模型，当时主打看一段示范视频就能做没见过的操作任务（本站此前报道）。Skild的判断是：靠人类数据预训练的模型，上限就是人类水平，要超过人，得让机器人自己跟自己练。公司拿AlphaGo作类比——AlphaGo Zero开始自我对弈三天后，就以100比0击败了原版AlphaGo。联合创始人兼CEO迪帕克·帕塔克（Deepak Pathak）的说法很直接：“这个方法能扩展，我们也会去扩展它。”

足球只是试验场。Skild说，同样的方法正在往日常机器人任务上推，下一次发布会讲更大规模团队里出现的协作行为，从多台机器人一起搬东西，到城市尺度的导航。这家公司本月早些时候刚公布，首次商业部署10个月后，年化收入突破1亿美元（本站此前报道）。