Skild AI 公布 Messinator：在虚拟世界杯自我对弈 140 年的人形机器人

量子位 9 月 25 日报道，美国具身智能公司 Skild AI 公布了一段演示：人形机器人 Messinator 身穿阿根廷队服，在真实场地丝滑带球过人并完成射门。这一球技来自一场持续了大约 140 年的“虚拟世界杯”——机器人在仿真环境中与自己反复对弈。

Messinator 真正的大脑，是 Skild AI 此前推出的旗舰机器人基础模型 S1。S1 最核心的能力是让机器人像大模型一样做“上下文学习”：给它看一段任务示范视频，它就把视频当作提示词，理解要完成什么任务，并把视频里的意图和动作转换成适合自己身体的执行方式，碰到新任务不必重新训练。

在这之上，Skild AI 又叠加了强化学习与 self-play（自我对弈）。团队把机器人放进由 NVIDIA Isaac Sim 搭建的虚拟足球场，只设定一个最终目标：进球、拿高分。整个训练过程中，没有人给盘带单独设奖励，也没有人为护球、抢断、射门和倒地起身逐项打分，机器人面对的对手只是自己此前保存下来的模型版本。

赢下来的新策略，又会成为下一轮训练中更难对付的对手——每一次进步，都在自动制造下一道难题。Skild AI 技术博客显示，机器人刚进虚拟球场的前几个月连走路都不利索，等它“长到大学生的年纪”，便自行学会了摔倒后重新站起来。

随着对手不断变强，盘带绕过防守、用身体护球、主动抢断等更复杂的行为陆续出现，全程没有工程师规定它必须这样做。最终，Messinator 不仅能走到球前完成射门，还学会了带球、护球、抢断，并在真人对抗中调整自己的位置和动作。

这条路线并非凭空出现。Skild AI 成立于 2023 年，脱胎于卡内基梅隆大学（CMU）机器人研究体系。2025 年 7 月，公司推出可跨硬件运行的机器人基础模型 Skild Brain，主张“Any robot, any task, one brain.”；不到两个月后，它又公开 omni-bodied 训练成果：在仿真世界中生成约 10 万种身体结构各异的机器人，累计训练约 1000 个仿真年，测试时模型必须直接接管训练中从未见过的机器人。

在那种设定下，即便机器人突然断腿、关节锁死、轮子卡住或背上额外负重，模型也不会立刻“趴窝”，而是根据身体状态在线调整重心和运动方式，部分情况下几秒钟就能重新找回平衡。它的意义在于：机器人见过的身体越多，就越难靠死记硬背过关，模型只能去理解平衡、关节、重心与动力之间更通用的物理规律。

Skild AI 由两位卡内基梅隆大学的研究者共同创办：联合创始人兼 CEO Deepak Pathak 以“好奇心驱动的探索”研究知名，联合创始人兼总裁 Abhinav Gupta 长期研究大规模视觉学习、自监督学习与机器人操作。这次演示想证明的是，机器人不一定都要由人类亲手教会新动作——它也可以自己练、自己输、自己总结，再自己变强。

当然，演示是在仿真中完成的，训练成果能否稳定迁移到真实机器人和真实对抗场景，仍是这条路线最需要回答的问题。自我对弈把技能获取的成本从人工示教转向算力与仿真，接下来值得关注的是：它能否在更复杂的真实任务里，继续自己发现人类没教过的动作。