Skild AI、S1を土台に140年分の「自己対戦」シミュレーションでヒューマノイドにサッカーを習得させる

Skild AIは9月23日の研究記事で、DeepMindのAlphaGo Zeroで使われた自己対戦の手法でロボットの方策を追加学習させ、シミュレーションから実機のヒューマノイドに移してサッカーをさせたと発表した。目標は得点の一つだけで、NVIDIAのIsaac Sim内で自分の最近の版と戦い、強くなるほど相手も強くなる仕組みだ。

同社は、8月に発表したS1のように人の動画、グローブデータ、シミュレーション、遠隔操作で事前学習したモデルは人間の能力が上限になるとし、自己対戦がそれを超える道だと主張する。動画以外に勝率や成功率、機種、計算規模は示していない。

ロボットが自ら学んだこと

同社によると、ロボットは最初の数カ月(シミュレーション時間)はほとんど歩けず、その後転倒からの起き上がり、さらにディフェンダーをかわすドリブル、ボールキープ、タックルを覚えた。これらに個別の報酬は与えておらず、得点に役立つから現れたという。140年超の試合の後、実機に移して試合をした。

会社の位置づけ

MEKAWIREの検証データでは、Skildは2024年7月に評価額15億ドルでシリーズA3億ドル、2026年1月にソフトバンク主導で評価額140億ドルのシリーズC14億ドルを調達し、9月10日に年間経常収益1億ドル超、有料顧客60社超を公表した。