Skild AI S1: 140 năm huấn luyện bóng đá ảo trước khi xử lý bóng thật

Mẫu robot S1 của Skild AI đã học bóng đá lặp đi lặp lại trong môi trường ảo trước khi thể hiện khả năng xử lý bóng trong môi trường thực, theo báo cáo ngày 23. Tuy nhiên, con số '140 năm' huấn luyện bóng đá và hiệu suất thi đấu thực tế chưa được xác nhận trong tài liệu nghiên cứu chính thức.

Crypto Briefing đưa tin ngày 23 rằng S1 học bóng đá theo phương thức tự đấu với chính mình trên Isaac Sim của NVIDIA ($NVDA). Robot chỉ được giao mục tiêu 'ghi bàn', sau đó tự học chuyển động chân, lựa chọn vị trí và theo dõi bóng mà không cần video biểu diễn của con người hay thiết kế phần thưởng cho từng động tác.

Học tự đấu là phương pháp robot lặp lại các hành động trong môi trường ảo, so sánh kết quả và cải thiện chính sách điều khiển. Phương pháp này cho phép tích lũy nhiều tình huống thành công và thất bại mà không cần liên tục vận hành thiết bị thực.

Isaac Sim của NVIDIA là nền tảng mô phỏng tái hiện chuyển động của robot và cảm biến trong môi trường ảo dựa trên vật lý. Isaac Lab là framework được xây dựng trên Isaac Sim để huấn luyện chính sách robot ở quy mô lớn.

Các mô phỏng như vậy giúp giảm chi phí và rủi ro phát sinh khi robot phải vận hành lặp lại trong môi trường thực. Dù vậy, tỷ lệ thành công, khả năng lặp lại và năng lực xử lý chướng ngại vật của S1 trong thử nghiệm bóng đá chưa được công bố.

Trọng tâm trong nghiên cứu chính thức về S1 do Skild AI công bố không phải bóng đá mà là học trong ngữ cảnh. S1 có thể nhận một video biểu diễn duy nhất và thực hiện nhiệm vụ mới trong tối đa 10 phút mà không cần huấn luyện lại trọng số mô hình cho từng nhiệm vụ.

Công ty đưa ra các ứng dụng như trồng cây vào chậu, lật bánh pancake, pha cà phê pour-over và lắp ráp bộ linh kiện. Việc robot có thể thích ứng với nhiệm vụ mới dựa trên một video biểu diễn duy nhất khác với phương pháp lập trình riêng từng động tác cho từng nhiệm vụ.

Skild AI cho biết tỷ lệ thành công theo từng bước của S1 trong các nhiệm vụ nhiều bước chưa được học trước đạt khoảng 66%. Hệ thống đối chứng đạt 9%, trong khi công ty ước tính một video biểu diễn duy nhất tương đương khoảng 380 trường hợp huấn luyện thủ công.

Những con số này đến từ kết quả đánh giá các nhiệm vụ thao tác do công ty công bố, không phải thử nghiệm bóng đá. Vì vậy, chưa thể kết luận chỉ dựa trên thành tích này rằng S1 có thể thực hiện các chuyển động ở cấp độ con người trong một trận bóng đá thực tế.

Deepak Pathak, đồng sáng lập kiêm CEO của Skild AI, nói: “Thay đổi trong ngành robot không đến từ việc lập trình trước, mà đến từ học hỏi qua trải nghiệm”. Phát biểu này mô tả cách tiếp cận của công ty, trong đó robot học từ dữ liệu trải nghiệm thay vì được chỉ định sẵn từng động tác.

Ngày 14 tháng 1 năm 2026, Skild AI huy động 1,4 tỷ USD (khoảng 1,9 nghìn tỷ won) trong vòng Series C. Công ty cho biết định giá khi đó vượt 14 tỷ USD (khoảng 18,956 nghìn tỷ won), với sự tham gia của SoftBank và NVentures, tổ chức đầu tư mạo hiểm của NVIDIA.

Tính đến tháng 9 năm 2026, công ty cho biết doanh thu định kỳ hằng năm đã đạt 100 triệu USD (khoảng 135,4 tỷ won) và đang hợp tác với hơn 60 đối tác triển khai. NVIDIA và Skild AI cũng đang triển khai robot lắp ráp hệ thống GPU Blackwell của NVIDIA tại các nhà máy Foxconn.

Trong lĩnh vực AI robot, việc đưa chính sách đã học trong mô phỏng vào thiết bị thực được xem là một thách thức then chốt. Ngay cả khi robot tích lũy đủ trải nghiệm trong môi trường ảo, sai số cảm biến, ma sát của vật thể và các chuyển động khó dự đoán trong không gian thực vẫn tạo ra những biến số mới.

Trường hợp này cho thấy xu hướng nghiên cứu nhằm chuyển các chính sách được rèn luyện qua trải nghiệm lặp lại trong môi trường ảo sang nhiệm vụ thực tế, hơn là chứng minh robot có thể chơi bóng đá ở cấp độ con người. Cách tính con số '140 năm' và hiệu suất thi đấu thực tế cần thêm tài liệu để kiểm chứng.