Skild AIは9月22日、同社のS1モデルがNVIDIAのIsaac Simプラットフォーム内で完全に行われた自己対戦トレーニングを通じてサッカーの能力を獲得したと発表しました。トレーニングは「ゴールを決める」という単一の目標に集中したもので、調整済みの報酬も、タスク固有のデモンストレーションも、人間のトレーナーによる直接の指導もありませんでした。その結果得られたポリシーは物理世界に直接転移し、ロボットは現在、人間や他のロボットと対戦してサッカーができるようになっています。

140年分が数週間に収まる仕組み

最新のGPUクラスタは数千の並列シミュレーション環境を同時に実行でき、リアルタイムでは1世紀以上に相当する経験を、実時間のごく一部に圧縮します。Skildが用いた自己対戦という手法は確立された実績があります。DeepMindがAlphaGoやAlphaZeroを作る際にこの手法を使い、自分自身のコピーと対戦することでボードゲームを習得させたことは有名です。この手法はまた、強化学習で最も手間のかかる工程の一つ、すなわちエージェントにとっての成功を定義する報酬信号を手作業で設計する作業を回避できます。

今回のポイントは、Skildがこの手法を離散的な手のあるボードゲームではなく、サッカーコート上の二足歩行ロボットという複雑な物理に適用したことです。この環境には連続的なモーター制御、バランス、物体の追跡、リアルタイムの意思決定が求められます。シミュレーションで訓練したポリシーを物理ハードウェア上で機能させることが長年ロボティクス最大の難問の一つであっただけに、この直接転移は重要です。

ロボットの訓練目標は本質だけに絞られました。ゴールを決めること。それのすべて、足さばき、ポジショニング、ボールコントロールは、プログラムされたものではなく学習された行動として創発しました。

S1モデルとSkildの更大的な野望

サッカーは目を引くデモですが、S1モデルの真の商用価値はその汎用性にあります。2026年8月末に公開されたS1は、1本の動画によるデモンストレーションから学習するだけで、微調整やパラメータの更新なしに、最大10分間の複雑なマニピュレーションタスクを実行できます。同社は、パンケーキをひっくり返すことからキットの組み立てまで、さまざまなタスクをこなすS1を実演しています。対照的に、従来の産業用ロボットは通常、実行する各タスクについて明示的なプログラミングが必要です。

Skild AIの開発哲学は大規模言語モデルと明確な類似点を持ちます。同社は人間の動画や物理シミュレーションから得た大量のデータで訓練し、汎用のモーターインテリジェンスを構築しています。NVIDIAのシミュレーションインフラはこの戦略において中心的な役割を果たしています。Isaac Simは物理エンジンとレンダリングパイプラインを提供し、高精細なロボット訓練を大規模に実現可能にすることで、シミュレーションと現実のギャップ縮小に貢献しています。

汎用ロボットへの140億ドルの賭け

Skildは2026年前半に初の商用展開を行ってからまもなく、年間経常収益1億ドルのペースに到達し、そのロボットは現在60社以上のクライアント企業で稼働しています。2026年1月、同社はシリーズC資金調達ラウンドで14億ドルを調達し、140億ドルを超える評価額を達成しました。SoftBankとNVIDIAがこのラウンドに参加しています。

ABB Roboticsと、Universal RobotsおよびMiRを保有するTeradyneは、いずれもSkildと協業しています。同社はまた、FoxconnでNVIDIA Blackwell GPUシステムを組み立てるロボットも展開しています。注目すべきは、NVIDIAがこの関係の両側に登場することです。Isaac Simの訓練インフラを提供すると同時に、シリーズCにも参加しています。ABB、Teradyne、Foxconnとの協業は、Skildのシミュレーション訓練ベースのアプローチに、産業オートメーション、協働・移動ロボティクス、エレクトロニクス製造にわたる現実世界の実証場を与え、その汎用アプローチを商用規模で試すことになります。