Skild AI、自己対戦でロボットにサッカー習得させる

Skildのデモは、8月に発表したロボティクス基盤モデルS1のポストトレーニング拡張に基づいている。S1は人間の動画、グローブデータ、シミュレーション、テレオペレーションで事前学習され、インコンテキストの実演からタスクを学習するよう設計されている。Skildの主張は、こうしたモデルは人間のデータで事前学習されているため人間の能力が上限になり、身体的自己対戦がその上限を超える道を提供するというものだ。

自己対戦の手法自体はソフトウェアAIから借りたものだ。DeepMindはAlphaGoでこれを広く用い、後にStarCraft IIやDota 2をプレーするシステムにも貢献した。Skildは同じ原理をフィジカルAIへ拡張しようとしている。そこではロボットは戦略だけでなく動きも学ぶ必要がある。サッカーがテストになるのは、移動、操作、物理的な乱れからの復帰、相手との相互作用を組み合わせているからだ。

同社は、シミュレーションから人型ロボットへの転移を、タスクの複雑さとともに、フィジカルAGIへの道における自己対戦の明るい兆しと位置づける。より大規模なエージェント群の実験も進めており、初期の4体エージェント実験でパスと連携が生まれ始めたとしている。Skildが導く広い含意は、ロボット学習をスケールする別の道だ。人間のデータで基盤を確立し、その後ロボットがシミュレーション内で自律的に改善する。これが実用的なタスクに転移すれば、フィジカルAIが現在必要とする人間生成データを減らせる可能性がある。