Skild AI虚拟140年自弈训出足球机器人

时间：2026 年 9 月 24-25 日 地点：美国匹兹堡（Skild AI 总部）/ 全球（RoboCup 2026 举办地韩国为灵感来源） 人物：Deepak Pathak（Skild AI 联合创始人兼 CEO、卡内基梅隆大学机器人研究所与机器学习系教授）、Abhinav Gupta（Skild AI 联合创始人兼总裁、CMU 机器人研究所教授）、Stephanie Zhan（红杉资本合伙人、Felicis 投资人 James Detweiler 等多家早期支持者） 事件详情：Skild AI 9 月 24 日公布 Physical Self-Play 后训练成果，将旗舰机器人基础模型 S1 放入 NVIDIA Isaac Sim 搭建的虚拟足球场，仅以"进球"为唯一奖励目标，让机器人与不断迭代的旧版本自我对抗；累计完成约 140 年仿真比赛后，将策略零样本迁移至实体人形机器人 Messinator，完成带球过人、护球、抢断、射门与倒地爬起等连贯动作。S1 已在 60+ 客户落地、年化收入 1 亿美元；Skild AI 2026 年 1 月完成 14 亿美元 C 轮融资、估值超 140 亿美元，软银与英伟达参投，机器人已在富士康参与英伟达 Blackwell GPU 系统组装。 背景：S1 是 Skild AI 2026 年 8 月发布的机器人基础模型，主打"上下文学习"——仅凭一段视频示范即可学会最长约 10 分钟的新任务，未见任务单步成功率 66%（传统语言提示 VLA 仅 9%），由 NVIDIA AI 基础设施训练；Skild AI 2023 年脱胎于 CMU 机器人研究体系，Pathak 本科毕业于印度理工学院坎普尔分校、博士毕业于加州大学伯克利分校、曾任职 Meta AI Research，并在伯克利与机器人学习专家 Pieter Abbeel 合作；Gupta 长期研究大规模视觉学习、自监督学习与机器人操作。 影响：这是 AlphaGo Zero 范式首次在物理世界完整跑通：自我对弈让机器人突破人类演示数据天花板，证明了"基础模型 + 大规模仿真自弈"是通向物理 AGI 的可行路径；投资人 James Detweiler 称其为"物理 AI 的 AlphaGo 时刻"，红杉合伙人 Stephanie Zhan 转发并强调"可扩展课程由机器人自己生成、超越人类示范"；公司同步把同一套自弈方法扩展到虚拟工地、工厂、家庭场景，被视为具身智能商业化的关键拐点。 总结：Skild AI 用 S1 基础模型在 NVIDIA Isaac Sim 里自我对弈 140 年，把人形机器人 Messinator 训成"梅西终结者"，首次证明 AlphaGo 范式可迁移到物理世界；这一成果既是具身智能后训练范式的里程碑，也是 Pathak / Gupta 团队把"一个大脑跑所有机器人"愿景向物理 AGI 推进的关键一步。 参考来源： - https://www.qbitai.com/2026/09/497278.html （量子位） - https://www.skild.ai/blogs/physical-self-play （Skild AI 官方博客） - https://www.skild.ai/blogs/s1 （Skild AI S1 模型介绍） - https://interestingengineering.com/videos/skild-ais-robot-brain-taught-itself-football-in-140-simulated-years （Interesting Engineering） - https://coindesk.cc/skild-ai-trains-robot-to-play-football-using-140-years-of-simulated-self-play-118026.html （CoinDesk） - https://www.ababnews.com/news/61c79e8f-3050-4669-bafd-d3f708ad7d5c （ABAB News 解读） - https://agihunt.info/en/p/1a0d15025c27e83eac272e9d16e （AGI Hunt 事件汇编）