스킬드AI S1, 축구 자가대결 학습 뒤 실제 공 다뤄

스킬드AI(Skild AI)의 로봇 모델 S1이 가상 환경에서 축구를 반복 학습한 뒤 실제 환경에서 공을 다루는 모습을 보였다는 보도가 나왔다. 다만 축구 훈련량으로 제시된 ‘140년’과 실제 경기 성능은 공식 연구자료에서 확인되지 않았다.

크립토브리핑은 23일 S1이 엔비디아($NVDA)의 Isaac Sim에서 자기 대결 방식으로 축구를 학습했다고 보도했다. S1에는 ‘골을 넣는다’는 목표만 주어졌고, 사람의 시범 영상이나 동작별 보상 설계 없이 발 움직임과 위치 선정, 공 추적을 스스로 익혔다는 설명이다.

자기 대결 학습은 가상 환경 속 로봇이 반복적으로 행동하고 결과를 비교하면서 정책을 개선하는 방식이다. 실제 장비를 계속 움직이지 않고도 다양한 실패와 성공을 축적할 수 있다는 점이 특징이다.

엔비디아의 Isaac Sim은 물리 기반 가상 환경에서 로봇과 센서의 움직임을 재현하는 시뮬레이션 플랫폼이다. Isaac Lab은 Isaac Sim을 기반으로 로봇 정책을 대규모로 훈련하는 프레임워크다.

이런 시뮬레이션은 로봇을 실제 환경에서 반복적으로 움직이는 데 드는 비용과 위험을 줄이는 데 활용된다. 다만 이번 축구 실험에서 실제 경기 성공률과 반복성, 장애물 대응 능력은 공개되지 않았다.

스킬드AI가 공식 공개한 S1 연구의 중심은 축구가 아니라 인컨텍스트 학습이다. S1은 한 번의 영상 시범을 입력받아 최대 10분 동안 새로운 작업을 수행하며, 작업마다 모델 가중치를 다시 학습하지 않는 방식으로 설계됐다.

회사는 화분 심기, 팬케이크 뒤집기, 드립커피 제조, 키트 조립 등을 S1의 적용 사례로 제시했다. 한 번의 영상 시범을 바탕으로 새로운 작업에 대응한다는 점에서 작업별 동작을 별도로 프로그래밍하는 방식과 차이가 있다.

스킬드AI는 미학습 다단계 작업에서 S1의 단계별 성공률이 약 66%였다고 밝혔다. 비교 대상 시스템은 9%였으며, 한 번의 영상 시범이 약 380개의 수작업 훈련 사례에 해당한다는 추정도 내놨다.

이 수치는 축구 실험이 아니라 회사가 공개한 조작 작업 평가 결과다. 따라서 해당 성과만으로 S1이 실제 축구 경기에서 인간 수준의 움직임을 구현했다고 보기는 어렵다.

딥 페이탁(Deepak Pathak) 스킬드AI 공동창업자 겸 CEO는 “사전 프로그래밍이 아니라 경험을 통한 학습이 로봇공학에서 일어난 변화”라고 말했다. 발언은 로봇의 동작을 사전에 지정하기보다 경험 데이터를 통해 학습시키려는 회사의 접근을 설명한다.

스킬드AI는 2026년 1월 14일 14억달러(약 1조9000억원) 규모의 시리즈 C 투자를 유치했다. 당시 기업가치는 140억달러(약 18조9560억원)를 웃돌았다고 밝혔으며, 소프트뱅크와 엔비디아의 벤처 투자 조직 NVentures 등이 참여했다.

스킬드AI는 앞서 14억달러 규모의 시리즈 C 투자와 140억달러를 웃돈 기업가치를 공개했다. 이번 S1 사례는 해당 투자 배경으로 제시된 범용 로봇 소프트웨어와 실제 산업 현장 적용 전략의 연장선에 있다.

회사는 2026년 9월 기준 연간 반복 매출이 1억달러(약 1354억원)에 도달했고, 60곳 이상의 배포 파트너와 협력하고 있다고 밝혔다. 엔비디아와 스킬드AI는 폭스콘 공장에서 엔비디아 Blackwell GPU 시스템을 조립하는 로봇도 배치하고 있다.

로봇 AI 분야에서는 시뮬레이션에서 학습한 정책을 실제 장비에 적용하는 과정이 핵심 과제로 꼽힌다. 가상 환경에서 충분한 경험을 쌓더라도 실제 공간에서는 센서 오차와 물체의 마찰, 예측하기 어려운 움직임이 추가 변수로 작용한다.

이번 사례는 로봇이 축구를 인간 수준으로 수행했다는 의미보다, 가상 환경에서 반복적으로 경험을 쌓은 정책을 실제 작업으로 옮기려는 연구 흐름을 보여준다. ‘140년’의 산정 방식과 실제 경기 성능은 추가 자료가 공개돼야 검증할 수 있다.