Skild AI表示，在其踢足球的人形机器人最新演示中，他们没有逐一编程设定动作，而是让模型在 NVIDIA Isaac Sim 中与自身的不同版本进行比赛，以此完成训练。在约140年的模拟比赛过程中，基本目标是进球；带球、拦截对手以及摔倒后起身等技能都围绕这一目标得到发展。这段时间并不意味着机器人在现实世界中训练了140年。
将模拟中学到的行为迁移到实体机器人上，成为此次演示的突出之处。该公司表示，他们没有为护球和抢断分别设定奖励，这些策略之所以出现，是因为它们能够提高进球机会。不过，目前没有独立测量数据说明，在不同场地、足球、对手和身体接触条件下，机器人在真实场地上的表现将如何变化。
为何重要
这种方法突出了一种理念：与其在机器人软件中预先定义每个动作，不如让行为围绕一个更普遍的目标自行涌现。因此，这一进展将模拟训练应如何设计的问题提上日程，尤其受到关注人形机器人如何在复杂且多变环境中进行决策的研究人员的重视。学到的行为能够迁移到实体机器人上，也表明模拟环境与现实世界之间的差异并非只是技术细节；地面、足球以及与对手接触方式的变化都可能影响结果。尚未解决的核心问题是，演示中出现的技能在不同真实场地条件下能够保留到何种程度，以及如何通过独立测量验证这种迁移。