机器人也能靠“自我对弈”学踢球：Skild AI展示具身智能新路线

导语

“AlphaGo式”的自我对弈正在从棋盘走向物理世界。Skild AI近期展示了一款名为Messinator的人形机器人：它身穿阿根廷队服，在虚拟足球场中经过长期训练后，能够带球、护球、抢断、射门，并在摔倒后重新站起。需要注意的是，这些能力主要来自企业技术博客和演示，尚不能等同于机器人已经具备职业级足球水平。

它是怎么学会踢球的？

Messinator的核心“大脑”是Skild AI的机器人基础模型S1。该模型强调上下文学习：机器人可以从任务示范视频中理解目标，再将动作意图转换成适合自身身体的控制方式。与针对单一任务重新训练不同，这种方法试图让模型面对新任务时更快适应。

在足球训练中，团队把机器人放入NVIDIA Isaac Sim构建的虚拟球场，并把“进球”设为最终目标。训练者没有分别奖励盘带、护球、抢断或起身等动作，机器人面对的对手则是自己过去保存的模型版本。新策略击败旧策略后，又会成为下一轮更强的对手，形成持续升级的训练循环。

这一机制带来了一个重要变化：动作不再完全依赖工程师逐项设计。按照Skild AI的介绍，机器人早期甚至难以稳定行走，随后逐渐学会起身、绕过防守和利用身体保护球权。盘带和护球并非被明确写入动作清单，而是因为有助于获得更高的进球收益，最终被保留下来。

从“一个身体一个模型”到通用控制

Messinator并不是孤立项目。Skild AI此前提出Skild Brain，目标是让同一套机器人模型跨越不同硬件运行。公司还介绍过omni-bodied训练：在仿真环境中让模型接触大量形态不同的机器人，并测试其面对断腿、关节锁死、轮子受阻或额外负重等变化时的适应能力。

这条路线的核心假设是，机器人接触的身体和环境越多，就越难依靠记忆固定动作，只能更多地学习平衡、重心、关节和动力之间的通用关系。基础模型负责控制身体和应对扰动，self-play则进一步寻找更有效的行为策略。

意义与限制

传统机器人训练往往需要大量人工示范、精细奖励函数和针对硬件的调参。足球这种包含碰撞、连续决策和动态对抗的任务，恰好能检验模型是否具备更强的自主探索能力。Skild AI的演示说明，虚拟环境中的自我对抗可能帮助机器人发现人类没有逐一教过的动作。

但仿真到现实仍存在差距。虚拟球场中的物理参数、对手行为和传感器条件都可以被控制，真实世界则更复杂；目前材料也主要呈现公司演示和技术博客内容，缺少统一基准、完整训练成本及长期稳定性数据。因此，更稳妥的结论是：Messinator展示了一种值得关注的具身智能训练范式，而不是“机器人已经成为梅西终结者”。

来源：量子位