“AlphaGo”杀进足球场！自我对弈140年，机器人成“梅西终结者”

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> “AlphaGo”杀进足球场！自我对弈140年，机器人成“梅西终结者” 林, 方舟 2026-09-25 21:24:20 来源： 量子位 文婷 发自 凹非寺 量子位 | 公众号 QbitAI 足球界的AlphaGo来了！ 在“虚拟世界杯”自我对弈140年后，终于带着球技出山。 视频中的人形机器人“Messinator”穿着阿根廷队服，丝滑地带球过人，一脚射门： 这一成果来自 美国具身智能独角兽Skild AI 。 有网友看完忍不住感叹： 最妙的是奖励函数只给了进球，盘带、护球、倒地爬起来全是自己“悟”出来的。 AlphaGo那套self-play方法论又在物理世界又走通了一次； 虚拟世界杯踢140年，值了！ 那么这个Messinator究竟是一个怎样的机器人？ 造出它的Skild AI又是什么来头？ 看下去就知道了。 “梅西终结者”，在虚拟世界杯苦练140年 Messinator这个名字拆开看很有意思。 它的前半截是梅西（Messi），后半截来自经典科幻电影《终结者》里的机器Terminator，把这俩合在一起就是 “梅西终结者” 。（big胆hhh） 它真正大脑是Skild AI此前推出的旗舰机器人基础模型 S1 。 而S1最核心的能力，就是让机器人像大模型一样“上下文学习”。 我们只需给它看一段任务示范视频，它就能把视频当作“提示词”，逐步理解咱们想完成什么任务，并把视频里的意图和动作转换成适合自己身体的执行方式。 最爽的是， 它碰到新任务不用回炉重造，直接就能上手。 不过，会看视频还只是第一步。 Skild AI认为，像S1这样的基础模型主要从人类数据中学习，能力上限难免受人类经验限制。 如果想继续变强，就得让机器人自己创造经验，并尝试着自己去发现人类没教过的动作。 于是，Skild AI又在S1基础上加入了 强化学习 和 self-play ，也就是自我对弈。 它的整个训练设置并不复杂，团队把机器人放进了NVIDIA Isaac Sim搭建的虚拟足球场，并只给它设定了一个最终目标： 进球，拿到高分。 然后，在整个训练过程中，没有人为盘带单独设置奖励，也没有人为护球、抢断、射门和倒地起身逐一打分。 机器人面对的对手，只是自己此前保存下来的模型版本。 通过新旧版本反复比赛，赢下来的新策略，又会成为下一轮训练中更难对付的对手。 于是，每一次进步，都会为机器人自动制造出下一道难题。 Skild AI技术博客显示，机器人刚进入虚拟球场的前几个月连走路都不利索； 但等它“长到大学生的年纪”，便自行学会了摔倒后重新站起来。 而随着对手不断变强，机器人盘带绕过防守、用身体护球、主动抢断等更复杂的行为也开始陆续出现。 全程没有工程师规定它必须这样做； 它保留下这些动作只有一个初心： 它们能帮自己赢球。 这正是self-play最迷人的地方。 当年，AlphaGo正是通过与自己对弈，逐渐发现了一些连顶尖棋手都没预料到的下法，并于2016年4:1一举击败韩国传奇棋手李世石九段，正式拉开了AI变革的序幕。 现在，Messinator也通过自我对弈、在虚拟世界踢了140年世界杯，将足球策略迁移到了真实人形机器人上。 最终，Messinator不仅能走到球前完成射门，还学会了带球、护球、抢断，并在真人对抗中调整自己的位置和动作。 Skild AI通过这场硬核的演示，充分证明了 机器人不一定都要由人类亲手教会新动作 ； 它也可以自己练、自己输、自己总结，再自己变强。 而这，恰好就是Skild AI过去几年一直在押注的方向。 一颗大脑，控制所有机器人 2025年7月，Skild AI正式推出了一套能够跨硬件运行的机器人基础模型—— Skild Brain 。 它的核心主张是： Any robot, any task, one brain. 目标是打破“一种身体配一套大脑”的行业桎梏，让不同形态的机器人执行不同任务时都可以使用同一颗大脑。 随后没过两个月，Skild又进一步公开了一组 omni-bodied训练成果 。 团队在仿真世界中生成了 约10万种 身体结构各异的机器人，让同一个模型累计训练 约1000个仿真年 。 到了测试阶段，模型还得直接接管训练时从未见过的机器人。 哪怕机器人突然断腿、关节锁死、轮子卡住，或者背上额外负重，模型也不会立刻“趴窝”，而是会根据身体状态在线调整重心和运动方式。 部分情况下，它甚至只需几秒钟的时间就能重新找回平衡，并摸索出新的移动方法。 这套omni-bodied训练体现了Skild最核心的思路： 机器人见过的身体越多，就越难靠死记硬背过关。 为了能同时控制10万种不同的身体，模型只能尝试理解平衡、关节、重心和动力之间更通用的物理规律，而不是背下一款机器人的固定步态。 如今的Messinator，正是延续了这条技术路线，并进一步叠加了self-play。 其中， Skild Brain 负责赋予它控制身体、保持平衡和应对碰撞的基本功； self-play 则负责让它思考“下一步该怎么做，才会更好？”。 而从10万种机器人身体，到140年的虚拟世界杯，Skild这条看似疯狂的技术路线并非横空出世。 把这些想法从论文一路推向真实机器人的，是两位在机器人学习领域深耕多年的卡内基梅隆大学教授。 两位CMU教授，联手造机器人大脑 Skild AI成立于2023年，脱胎于 卡内基梅隆大学（CMU）机器人研究体系 。 团队成员既包括来自卡内基梅隆大学、斯坦福大学、加州大学伯克利分校等高校的研究人才，也包括曾任职于Meta、Tesla、NVIDIA、Google、Amazon和Everyday Robotics等机构的研究员及工程师。 而联合创始人兼CEO Deepak Pathak 的经历，几乎串起了Skild AI的整条技术路线。 他本科毕业于印度理工学院坎普尔校区计算机专业，后赴加州大学伯克利分校攻读计算机博士，师从计算机视觉领域知名学者Alyosha Efros和Trevor Darrell。 博士毕业后，他曾在Meta（前Facebook）AI Research从事研究工作，也曾在伯克利与机器人学习专家Pieter Abbeel合作，担任访问博士后。 此后，他进入卡内基梅隆大学，成为机器人研究所和机器学习系教授。 Deepak Pathak最具代表性的研究之一是 “好奇心驱动的探索” 。 这项研究等基本思路是， 与其让机器只能依赖人类设计的外部奖励，不如赋予它一种内在动力，让它对陌生和难以预测的现象产生“好奇”，并主动探索环境，并在探索中学会新的能力。 Deepak这套研究思路后来又延伸到自监督机器人学习、视觉模仿学习、Sim2Real和自适应控制等方向。 在创办Skild AI之前，Pathak还曾联合创立人脸识别公司VisageMap（该公司后来被FaceFirst收购）。 Skild AI的另一位联合创始人兼总裁 Abhinav Gupta ，博士