想象一下，当终结者被击中得千疮百孔，浑身漏电漏油，所有人都以为它已经失去战斗力时，它却摇摇晃晃地重新站起，黑洞洞的加特林再次对准了你。电影中的这一幕让人肾上腺素飙升，但如果发生在现实世界，恐怕大多数人只会感到毛骨悚然。
最近，一家名为Skild的公司研发出一种革命性算法，让机器人即便遭遇突发意外，也能在极短时间内恢复行动能力。根据官网发布的视频，这些机器人即使失去四肢、断腿、甚至被重物压住，依然能稳定行走，仿佛科幻电影中的场景照进了现实。
视频中，研究人员毫不避讳地展示了机器人的“受难”过程。比如，当机器狗被绑住四肢时，它仅用20秒就重新站立并开始移动，速度之快令人咋舌。而当一条腿突然断裂时，它也只是短暂挣扎，便迅速适应了三条腿的行走模式。更夸张的是，当轮滑被锁死时，它竟能像人类一样用小碎步继续前进，仿佛早已预演过无数次。
这些场景看似夸张，实则均未经过任何场景微调，完全依赖同一套算法模型实现。这打破了机器人控制领域的传统认知——此前，大多数算法仅针对特定任务、机型或环境设计，一旦条件变化，性能便会大幅下降。例如，同一型号的两台机器人使用相同的翻跟头算法，结果可能截然不同。
这种局限性源于机器人内部的复杂性。由于零件装配存在细微差异，传感器采集的数据也会略有不同，导致算法在真实环境中表现不稳定。Skild团队在测试中验证了这一点：当使用针对Go2行走的专家策略时，失去肢体的机器人很快便摔倒在地，与通用算法的表现形成鲜明对比。
那么，Skild究竟是如何让算法“一招通吃”的呢？团队在博客中透露，他们构建了一个包含十万种不同形态机器人的模拟宇宙，要求算法在所有机器人上均能正常运行。这一设计迫使算法必须理解运动的本质，而非依赖特定机型的“标准答案”。
在模拟环境中“修炼”后的算法，被移植到真实机器人中后，仍能持续学习。例如，某次演示中，AI首次摔倒时才意识到自己“变成了狗”；第二次摔倒时，它发现自己是“残疾狗”；而第三次启动时，它已接受现实，用后腿直立行走。这种从失败中快速适应的能力，正是算法的核心优势。
尽管算法表现惊艳，但Skild AI这家公司对许多人来说仍显陌生。通过领英查询发现，其成功并非偶然。两名联合创始人Deepak和Abhinav均为卡内基梅隆大学（CMU）机器人研究所的教授，在机器人、视觉和神经网络等领域拥有深厚积累，论文引用量动辄上千上万。
团队成员也大多与CMU渊源颇深，涵盖计算机、机器人和机械等领域的顶尖人才。这种“全明星阵容”让Skild在2023年成立后迅速崛起，仅用一年便完成3亿美元A轮融资，公司估值达15亿美元。
团队表示，他们的长期目标是实现物理世界的通用人工智能（AGI）。相比这一终极目标，当前的机器人通用算法仅是研究的起点。但无论如何，Skild的突破已让外界看到：学术成果与工业应用的结合，正为机器人领域开辟新的可能性。
