机器人 AI 公司 Skild AI 没有逐一为足球编写代码，而是为其名为 S1 的系统搭建了一个可以自主学习足球的场地。在 NVIDIA 的 Isaac Sim 虚拟环境中，系统进行了相当于 140 年足球经验的比赛；唯一目标就是进球。它在比赛过程中逐步掌握了接近、带球以及挡住对手去路等技能。起初连走路都很困难的机器人，后来被命名为“Messinator”。
训练中的对手和老师，都是机器人的早期版本。在通过 Self-play 变得越来越困难的比赛中，它保留了有效的动作。完成虚拟训练后，它在真实场地上测试了带球、变向和阻挡对手的能力。机器人还在保持平衡并控制球的同时，观察对手的动作并决定下一步行动。Skild AI 计划将这种方法应用于工厂、建筑工地和家庭任务。
为何重要
这种方法强调，与其分别为机器人描述每个动作，不如通过目标和反复试错来让机器人获得技能。在虚拟环境中开发的行为可以在真实场地进行测试，这使学习过程不再依赖于在实体机器人上的试验，并为工厂、建筑工地和家庭任务提供了一种可用的方法。不过，足球中有效的平衡、变向和阻挡能力，在不同任务中能发挥多大作用，目前仍不明确。因此，对于尤其关注机器人如何在多变条件下作出决策的人而言，这一进展提出的问题，与其说是某项单一技能，不如说是这种学习方法能否迁移到其他领域。