AlphaGo靠自己跟自己下，下出了人类没教过的棋。Skild AI想在草坪上重复这件事：只给「进球」，不给盘带说明书。
Skild AI是美国具身智能公司，主张「Any robot, any task, one brain」，此前发布跨本体机器人基础模型S1与Skild Brain。当地时间9月23日前后，团队在技术博客发布物理自博弈（physical self-play）后训练成果，并以足球为主要展示。训练在NVIDIA Isaac Sim中进行：奖励几乎只围绕得分，对手是模型自身近期版本；公开叙述称仿真早期数月连走路都不稳，随后自行学会摔倒起身，并涌现带球突破、护球与抢断等未被逐项奖励的行为。策略再迁移到真实人形机器人，演示与人类对抗中的防守、过人与射门。公司将演示机称为「Messinator」，强调基础模型先学人类数据，再用自博弈突破人类示范天花板。
路线意义在于把RL自博弈从棋牌/电竞拉回高维接触动力学。足球同时考验平衡、接触与策略，适合当试验台；团队称正把方法扩展到日常任务，并计划观察多机器人协作中的新行为。必须冷静的一点是：训练主战场仍在仿真，真机草坪、摩擦与对抗噪声下的成功率、受伤与安全边界尚未被公开评测钉死。对行业，这与「大规模人类视频预训练」形成对照——一条拼数据覆盖，一条拼自我课程难度。下一步看开源代码/模型是否放出、真机指标是否可复现，以及非体育任务是否同样出现「无奖励设计却涌现」的动作。