足球界AlphaGo问世：自我对弈140年练成梅西终结者

足球界的AlphaGo来了。美国具身智能独角兽Skild AI发布人形机器人“Messinator”，穿着阿根廷队服完成丝滑带球过人并射门。其核心大脑是Skild AI此前推出的机器人基础模型S1，核心能力是让机器人像大模型一样进行上下文学习：给它看一段任务示范视频，它就能把视频当作提示词，理解任务意图，并将动作转换为适合自身身体的执行方式，遇到新任务无需重新训练。

Skild AI认为，仅从人类数据学习会限制能力上限，于是又在S1基础上加入强化学习和self-play。训练设置并不复杂：团队把机器人放进NVIDIA Isaac Sim搭建的虚拟足球场，只设定一个最终目标——进球拿高分。没有为盘带、护球、抢断、射门或倒地起身单独设置奖励。对手只是自己此前保存的模型版本，新旧版本反复比赛，赢下的新策略成为下一轮更难对付的对手，每次进步都自动制造下一道难题。

技术博客显示，机器人刚进虚拟球场的前几个月连走路都不利索，等“长到大学生的年纪”，便自行学会摔倒后重新站起来。随着对手变强，盘带绕过防守、用身体护球、主动抢断等复杂行为陆续出现，全程没有工程师规定，保留这些动作只因能帮自己赢球。这正是self-play最迷人的地方。当年AlphaGo正是通过自我对弈发现顶尖棋手都未预料的下法，并于2016年4:1击败李世石。如今Messinator在虚拟世界踢了140年世界杯，将足球策略迁移到真实人形机器人上，不仅能走到球前射门，还学会带球、护球、抢断，并在真人对抗中调整位置和动作。这证明机器人不一定都要由人类亲手教会新动作，也可以自己练、自己输、自己总结、再自己变强。

2025年7月，Skild AI推出跨硬件运行的机器人基础模型Skild Brain，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”的桎梏。两个月后，Skild又公开omni-bodied训练成果：在仿真世界生成约10万种身体结构各异的机器人，让同一模型累计训练约1000个仿真年。测试阶段，模型直接接管训练时从未见过的机器人，哪怕突然断腿、关节锁死、轮子卡住或背上额外负重，也不会立刻趴窝，而是根据身体状态在线调整重心和运动方式，部分情况下几秒内就能重新找回平衡并摸索出新的移动方法。这体现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。为同时控制10万种不同身体，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，而非背下某款机器人的固定步态。如今的Messinator延续这条路线并叠加self-play：Skild Brain负责控制身体、保持平衡和应对碰撞的基本功，self-play负责思考下一步怎么做才更好。

Skild AI成立于2023年，脱胎于卡内基梅隆大学机器人研究体系，团队成员来自CMU、斯坦福、UC伯克利等高校，以及Meta、Tesla、NVIDIA、Google、Amazon和Everyday Robotics等机构。联合创始人兼CEO Deepak Pathak本科毕业于印度理工学院坎普尔校区计算机专业，后在UC伯克利攻读计算机博士，师从Alyosha Efros和Trevor Darrell，曾在Meta AI Research从事研究，也曾在伯克利与Pieter Abbeel合作担任访问博士后，此后进入CMU任机器人研究所和机器学习系教授。他最具代表性的研究之一是“好奇心驱动的探索”，思路是赋予机器内在动力，让它对陌生和难以预测的现象产生好奇，主动探索环境并学会新能力，该思路后来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。创办Skild AI前，他还曾联合创立人脸识别公司VisageMap。另一位联合创始人兼总裁Abhinav Gupta博士毕业于马里兰大学计算机系，现任CMU机器人研究所教授，曾参与建立Facebook AI Research匹兹堡实验室并担任研究管理领导职务，长期专注大规模视觉学习、自监督学习、终身学习、机器人操作和物理常识，是早期“让机器人通过自主交互收集训练数据”路线的重要研究者，曾获斯隆研究奖、PAMI青年研究员奖、IAPR J.K. Aggarwal Prize等奖项。