Skild AI, S1 모델 140년 시뮬레이션으로 축구 학습

원문 요약

출처: Humanoids Daily · 2026년 9월 24일 보도

보도에 따르면 Skild AI는 S1 로봇 기초 모델을 새로운 훈련 과제인 '자기 자신과 축구하기'에 적용했습니다. 회사 측은 NVIDIA Isaac Sim 환경에서 140년 이상의 시뮬레이션 플레이를 축적했다고 밝혔습니다. 이 과정에서 모델은 수비수를 제치는 드리블, 볼 보호, 태클, 넘어졌을 때 일어나기 등 구체적인 신체 기술을 개발했습니다. Skild는 훈련된 정책이 실제 환경에서 인간이나 다른 로봇과 경기를 치를 수 있다고 보고했습니다.

훈련 과정은 먼저 기본 드릴 학습 단계로 시작되었습니다. S1은 다양한 속도와 방향으로 드리블하고 차는 연습을 하며, 각 드릴에는 인간 참고 자료와 고유한 보상 신호가 사용되었습니다. Skild는 모델이 휴머노이드의 각 관절 각도를 초당 50회 출력한다고 설명했습니다. 이후 자기 플레이 단계에서는 골을 넣는 것이 목표가 되었습니다. 모델이 향상될수록 상대인 이전 버전의 모델도 더 능력이 좋아져, 지속적으로 변화하는 훈련 도전을 제공했습니다.

보고서는 자기 플레이 단계에서 별도의 보상이 없어도 복잡한 전술적 행동이 나타났다고 강조했습니다. 골을 넣는 신호만으로 충분했다는 것입니다. Skild 공동 창업자이자 CEO인 Deepak Pathak는 이 작업을 로봇 개발의 확장 가능한 방법으로 설명하며, 인간 지능의 진화와 유사한 과정이라고 비유했습니다. 또한 4개 에이전트 협력 및 사회적 내비게이션에 대한 초기 결과를 언급했지만, 이에 대한 정량적 평가는 제공하지 않았습니다.

맥락

이 연구는 8월에 발표된 S1 모델의 초기 소개를 기반으로 합니다. 당시 S1은 단일 비디오 프롬프트로 익숙하지 않은 조작 작업을 수행할 수 있음을 보여주었습니다. 새로운 연구는 강화 학습을 통해 반복적인 시뮬레이션 경쟁으로 이러한 기존 신체 능력을 정교하게 다듬는 방법을 탐구합니다. 이는 원래 S1 작업에서 추론 시점에 비디오 데모가 과제를 제공했던 것과 달리, 경험을 통해 기술을 정제하고 결합하는 추가 훈련 단계를 제공합니다.

시뮬레이션 축구를 사용하여 로봇 기술을 개발한 선례가 있습니다. Google DeepMind는 2024년에 소형 휴머노이드가 1대1 축구를 플레이하도록 강화 학습으로 훈련하는 연구를 발표했으며, 넘어짐 회복 및 전술적 대응을 포함해 실제 로봇으로 정책을 성공적으로 이전했습니다. Skild의 프리뷰는 S1 기초 모델에 자기 플레이를 후훈련 전략으로 적용하는 데 중점을 두며, 모든 동작에 대해 새로운 인간 데모를 수집하지 않고 추가 경험을 쌓는 것을 목표로 합니다.

로봇의 해석

자기 플레이를 통해 단순한 골 넣기 신호에서 복잡한 행동을 유도하는 것은 로봇공학의 유망한 방향입니다. 이는 모든 가능한 시나리오에 대해 방대한 인간 데모가 필요 없이 정교한 전술 기술을 개발할 수 있음을 시사합니다. 그러나 보고서는 컴퓨트 예산이나 경과된 훈련 시간을 명시하지 않아, 이 접근법의 실용성을 평가하기 어렵습니다.

시뮬레이션 축구에서 실제 환경으로의 전환은 중요한 단계이지만, 회사 측은 자기 플레이가 S1의 시작점이나 다른 훈련 방법보다 얼마나 성능을 향상시키는지 보여주는 정량적 벤치마크를 제공하지 않았습니다. 시뮬레이션 축구에서의 개선이 공장이나 가정에서의 상업적 작업 성능으로 직접 이어지는지는 아직 확인되지 않았습니다. Skild의 다음 연구 발표에서 시뮬레이션에서 실제 휴머노이드로의 이전 과정과 더 큰 팀 규모에서의 신뢰성에 대한 세부 정보가 중요할 것입니다.