El robot de Skild AI marca goles a humanos tras 140 años de entrenamiento en simulación

La startup Skild AI, dedicada al desarrollo de «inteligencia robótica general», ha presentado nuevas capacidades de su modelo S1. El mes pasado lanzaron un modelo cuya característica principal era la capacidad de aprender sin fine-tuning tradicional, basándose simplemente en unas pocas demostraciones.

Ahora, el equipo decidió revivir la experiencia de Google, que en su día entrenó a AlphaGo utilizando la técnica de self-play — el modelo jugando contra sí mismo. El fútbol fue elegido como el campo de pruebas.

Inicialmente, se entrenó a S1 en golpes básicos y regates, y luego se le «dejó libre»: el robot humanoide jugó contra versiones anteriores de sí mismo durante el equivalente a 140 años de simulación. Lo más interesante es que no hubo recompensas separadas por aprender trucos específicos; la única recompensa que recibía el robot era por marcar goles.

A pesar de esto, el robot aprendió a esquivar defensas, proteger el balón con el cuerpo, interceptar pases y desarrollar muchas nuevas técnicas de golpeo. En partidos preliminares con 4 agentes, ya han surgido pases y coordinación. Dado que el espacio de acciones en el fútbol es enorme, con el modelo necesitando emitir ángulos para cada articulación 50 veces por segundo, esto es impresionante.

Esencialmente, el self-play creó un plan de estudios automatizado que aumenta su dificultad por sí solo. Los autores creen que esta técnica se puede escalar y transferir a cualquier otro dominio donde haya un objetivo claro y un simulador.

🔗 Blog de Skild AI sobre self-play físico