Робот Skild AI забивает голы людям после 140 лет обучения в симуляции
Робот Skild AI забивает голы людям после 140 лет обучения в симуляции
Стартап Skild AI использовал технику self-play в симуляции, чтобы научить гуманоидного робота играть в футбол и забивать голы в реальном мире.
Стартап Skild AI, занимающийся разработкой «общего робо-интеллекта», представил новые возможности своей модели S1. Месяц назад они выпустили модель, главная фишка которой заключалась в способности дообучаться без файнтюнинга, просто по нескольким демонстрациям.
Теперь они решили воскресить опыт Google, который когда-то обучал AlphaGo с помощью техники self-play — игры модели против самой себя. В качестве полигона для экспериментов был выбран футбол.
Сначала S1 дообучили базовым ударам по мячу и дриблингу, а затем «отпустили в свободное плавание»: гуманоид играл против предыдущих версий себя в течение эквивалента 140 симуляционных лет. Самое интересное, что отдельных наград за выучивание каких-то приемов не было, и единственное, за что робот получал награду — это голы.
Несмотря на это, робот выучил обводки защитников, закрывание мяча корпусом, перехваты, много новых ударов и так далее. В предварительных матчах с 4 агентами уже появляются пасы и координация. А ведь пространство действий в футболе огромное: модель 50 раз в секунду должна выдавать углы для каждого сустава.
То есть на основе self-play получилась автоматическая учебная программа, которая усложняется сама. Авторы верят, что эту технику можно масштабировать и переносить на любые другие домены, где есть понятная цель и симулятор.
Почему это важно
АналитикаЭто показывает, что методы обучения с подкреплением в симуляции могут эффективно переноситься на реальных роботов для освоения сложных моторных навыков, что является шагом к автономной робототехнике.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
Профиль Hermes: Методолог обучения и архитектура курсов
Профиль образовательного методолога Hermes: проектирование программ по таксономии Блума, микрообучение, практические воркшопы и оптимизация Completion Rate.
NotebookLM + Perplexity для работы, обучения и заработка
Что такое NotebookLM и Perplexity
Disaster Recovery (Восстановление после катастрофы и резервное копирование)
Комплексная инженерная методология и набор автоматизированных инструментов для создания неизменных резервных копий (RPO/RTO) с гарантированным и регулярно тестируемым регламентом восстановления работоспособности систем.
Протокол Межагентной Коммуникации (A2A)
Открытый стандарт сетевого взаимодействия, децентрализованного обнаружения и безопасного обмена контекстом между независимыми ИИ-агентами различных вендоров и платформ.