Skild AI: Humanoid-Roboter erzielt Tore gegen Menschen nach 140 Jahren Simulationstraining

Das auf die Entwicklung einer "allgemeinen Roboterintelligenz" spezialisierte Startup Skild AI hat neue Fähigkeiten seines S1-Modells vorgestellt. Im vergangenen Monat veröffentlichte das Unternehmen ein Modell, dessen Hauptmerkmal die Fähigkeit war, ohne herkömmliche Methoden zu feinabzustimmen und lediglich aus wenigen Demonstrationen zu lernen.

Nun entschied sich das Team, die Erfahrung von Google wieder aufzugreifen, die einst AlphaGo durch Self-Play – also das Spielen des Modells gegen sich selbst – trainierten. Als Testumgebung wurde Fußball gewählt.

Zunächst lernte S1 grundlegende Tritte und Dribblings, bevor es "freigelassen" wurde: Der humanoide Roboter spielte gegen frühere Versionen seiner selbst für das Äquivalent von 140 Simulationsjahren. Bemerkenswert ist, dass es keine separaten Belohnungen für das Erlernen spezifischer Tricks gab; die einzige Belohnung, die der Roboter erhielt, war das Erzielen von Toren.

Trotz dieser Einschränkungen lernte der Roboter, Verteidiger mit Dribblings auszuspielen, den Ball mit dem Körper abzuschirmen, Pässe abzufangen und zahlreiche neue Schusstechniken zu entwickeln. In Vorversuchen mit vier Agenten haben sich bereits Passspiel und Koordination herausgebildet. Angesichts des enorm großen Aktionsraums im Fußball, bei dem das Modell Winkel für jedes Gelenk 50 Mal pro Sekunde berechnen muss, ist dies eine beeindruckende Leistung.

Im Wesentlichen schuf das Self-Play einen automatisierten Lehrplan, der seinen Schwierigkeitsgrad eigenständig erhöht. Die Autoren sind überzeugt, dass diese Technik skalierbar ist und auf andere Domänen übertragen werden kann, in denen klare Ziele definiert sind und ein Simulator zur Verfügung steht.

🔗 Skild AI Blog über Physical Self-Play