Skild AI a annoncé le 22 septembre que son modèle S1 a développé des capacités de football grâce à une méthode d'entraînement en auto-apprentissage (self-play) menée entièrement dans la plateforme Isaac Sim de NVIDIA. L'entraînement s'est concentré sur un objectif unique—marquer des buts—sans récompenses sur mesure, sans démonstrations spécifiques à la tâche et sans guidage direct d'entraîneurs humains. La politique résultante a été transférée directement dans le monde physique, où le robot peut désormais jouer au football contre des humains comme contre d'autres robots.

Comment 140 ans tiennent en quelques semaines

Les clusters de GPU modernes peuvent exécuter simultanément des milliers d'environnements simulés en parallèle, comprimant l'équivalent de plus d'un siècle d'expérience en temps réel dans une petite fraction de ce temps horloge. L'auto-apprentissage, la technique employée par Skild, affiche un bilan établi : DeepMind l'a rendu célèbre en l'utilisant pour créer AlphaGo et AlphaZero, des systèmes ayant maîtrisé les jeux de société en s'affrontant contre leurs propres copies. La méthode permet également d'éviter l'une des étapes les plus laborieuses de l'apprentissage par renforcement : la conception manuelle des signaux de récompense qui définissent le succès d'un agent.

La différence ici est que Skild a appliqué cette méthode non pas à un jeu de société aux coups discrets, mais à la physique complexe d'un robot bipède sur un terrain de football—un environnement exigeant un contrôle moteur continu, de l'équilibre, du suivi d'objet et une de décision en temps réel. Ce transfert direct est important, car faire en sorte que des politiques entraînées en simulation tiennent sur du matériel physique—le fossé simulation-réalité—est depuis longtemps l'un des problèmes les plus difficiles de la robotique.

L'objectif d'entraînement du robot a été réduit à son essence : marquer le but. Tout le reste—les jeux de jambes, le positionnement et le contrôle du ballon—a émergé comme des comportements appris plutôt que programmés.

Le modèle S1 et les ambitions plus larges de Skild

Le football sert de démonstration spectaculaire, mais la valeur commerciale du modèle S1 réside dans sa polyvalence. Lancé fin août 2026, le S1 peut exécuter des tâches de manipulation complexes durant jusqu'à 10 minutes après avoir appris à partir d'une seule démonstration vidéo, sans ajustement de paramètres ni mise à jour. L'entreprise a montré le modèle accomplissant des tâches allant du retournement de crêpes à l'assemblage de kits. Les robots industriels conventionnels, en revanche, nécessitent généralement une programmation explicite pour chaque tâche qu'ils effectuent.

La philosophie de développement de Skild AI présente des parallèles explicites avec les grands modèles de langage : l'entreprise s'entraîne sur de vastes données issues de vidéos humaines et de simulations physiques pour construire une intelligence motrice à usage général. L'infrastructure de simulation de NVIDIA joue un rôle central dans cette stratégie. Isaac Sim fournit le moteur physique et le pipeline de rendu qui rendent l'entraînement robotique haute fidélité faisable à grande échelle, contribuant à réduire le fossé simulation-réalité.

Un pari de 14 milliards de dollars sur les robots à usage général

Skild a atteint un rythme de revenus récurrents annuels de 100 millions de dollars peu après son premier déploiement commercial au début de 2026, et ses robots opèrent désormais chez plus de 60 entreprises clientes. En janvier 2026, l'entreprise a levé 1,4 milliard de dollars lors d'un tour de Série C, atteignant une valorisation supérieure à 14 milliards de dollars, avec la participation de SoftBank et de NVIDIA.

ABB Robotics et Teradyne—which possède Universal Robots et MiR—travaillent toutes deux avec Skild. L'entreprise a également déployé des robots pour assembler des systèmes GPU NVIDIA Blackwell chez Foxconn. NVIDIA, fait notable, apparaît des deux côtés de cette relation : il fournit l'infrastructure d'entraînement Isaac Sim tout en ayant participé à la Série C. Ensemble, les collaborations avec ABB, Teradyne et Foxconn offrent à l'approche de Skild, entraînée en simulation, des terrains d'essai réels couvrant l'autom industrielle, la robotique collaborative et mobile, et la fabrication électronique—des contextes qui mettront son approche à usage général à l'épreuve à l'échelle commerciale.