Skild 让机器人自己跟自己踢球：140 年仿真自博弈后零样本上真机

9 月 23 日，Skild AI 公布物理自博弈（Physical Self-Play）的后训练结果：给人形策略一个目标——进球，让它在 NVIDIA Isaac Sim 里与自己的近期版本对抗。仿真中累计跑了 140 年后把策略迁到真机上打了一场比赛。过程上，头几个月它连走路都费劲，到「上大学的年纪」会摔倒后自己站起来，再往后学会了带球过人、护球、铲断——这些行为没有手写奖励，是因为有助于进球才长出来。

官方给出了它在框架里的位置：S1 负责预训练与上下文学习，自博弈接在下一段，用强化学习做自我提升。选足球是因为这项运动同时考验身体与策略，且当前机器人的水平离人类还很远，是个合适的试炼场。Skild 称方法不限于运动，正在往日常操作任务上扩，下一步会看更大团队规模下涌现的协作行为。

它改变了什么：S1 这类模型预训练自人类视频与遥操作数据，能力天花板就是人类水平，而自博弈是目前唯一被证明能越过这条线的机制（AlphaGo Zero 三天后以 100:0 击败原版 AlphaGo）。这次的意义在于把该机制从棋盘与游戏搬到有物理约束的人形本体上，并完成仿真到真机的迁移。边界：成绩来自官方自述的演示与仿真，尚无第三方复现，也没有放出权重。

原文链接：Skild AI 官方博客