الإجاباتمنشور27 المصادر
Skild AI S1: روبوت يتعلّم مهام جديدة من فيديو واحد
تقول Skild AI إن S1 يستطيع مشاهدة فيديو واحد لمهمة غير مألوفة قد تمتد إلى 10 دقائق، ثم تنفيذها من دون تغيير أوزان النموذج أو جمع بيانات خاصة بالمهمة. تشمل العروض إعداد قهوة بالتقطير، ونقل نبتة إلى أصيص، وتجميع عدة، وقلب فطيرة، مع قدرة مُعلنة على التعامل مع تغيّر بعض العناصر والتعافي من أخطاء محدودة.
نشر بواسطةتم التحرير باستخدام GPT-5.6 Lunaتم إنشاء الصور باستخدام GPT Image 1.5
إجابة البحث
الوجبات السريعة الرئيسية
- تقول Skild AI إن S1 يستطيع مشاهدة فيديو واحد لمهمة غير مألوفة قد تمتد إلى 10 دقائق، ثم تنفيذها من دون تغيير أوزان النموذج أو جمع بيانات خاصة بالمهمة.
- تشمل العروض إعداد قهوة بالتقطير، ونقل نبتة إلى أصيص، وتجميع عدة، وقلب فطيرة، مع قدرة مُعلنة على التعامل مع تغيّر بعض العناصر والتعافي من أخطاء محدودة.
- تضع الشركة التقنية في مسار الاستخدام الصناعي، لكن الأدلة المتاحة لا تثبت بعد مؤشرات إنتاج مستقلة مثل الجاهزية التشغيلية، ومعدل الأعطال، والإنتاجية، والعائد على الاستثمار.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Skild AI’s S1 robotics foundation model, unveiled by co-founder Abhinav Gupta at SMARTCLOUD SHOW 2026 in Seoul on August 25, 2026, a. Article summary: S1 is Skild AI’s flagship robotics foundation model for in-context learning: a robot watches one video demonstration—including an unseen task lasting up to 10 minutes—and then executes it without collecting task-specific. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
الفكرة الأساسية: الفيديو بوصفه «برنامجًا» للروبوت
تقدم Skild AI نموذج S1 بوصفه نموذجًا تأسيسيًا للروبوتات يعتمد على ما يُعرف بـ«التعلّم داخل السياق» (In-Context Learning). فبدل إعادة تدريب الروبوت عند كل مهمة جديدة، يشاهد النموذج فيديو يشرح المهمة، ثم يستخدمه بوصفه مواصفة لما ينبغي فعله. وتقول الشركة إن S1 يستطيع تنفيذ مهام لم يرها من قبل، تصل مدتها إلى 10 دقائق، من دون ضبط دقيق خاص بالمهمة أو تغيير أوزان النموذج. 1
5
هذه الفكرة تمثل خطوة لافتة نحو ذكاء اصطناعي أكثر قدرة على التكيف في العالم المادي. لكنها لا تعني أن الروبوتات العامة أصبحت جاهزة للعمل بلا قيود في المنازل أو المصانع. فمعظم النتائج المنشورة حتى الآن تأتي من عروض واختبارات قدمتها Skild نفسها، ما يجعل التحقق المستقل أمرًا حاسمًا.
ما الذي يختلف في S1؟
تُدرَّب أنظمة كثيرة لتعلّم الروبوتات على مهمة محددة، أو جسم روبوت معين، أو ظروف تشغيل ضيقة. أما S1 فيتعامل مع فيديو العرض بوصفه أمرًا قابلًا للتنفيذ؛ إذ يحاول استنتاج الهدف، وتسلسل الخطوات، والعلاقات بين الأشياء، والتعديلات الحركية اللازمة لإتمام المهمة. 1
3
فالقول للروبوت «حضّر القهوة» يحدد الهدف بصورة عامة، لكن الفيديو يستطيع أن يوضح ترتيب العمليات، وطريقة الإمساك بالأداة، ووضع الأشياء، والتوقيت، وكيفية التعامل مع المهمة عبر عشرات الخطوات. وترى Skild أن هذا السياق الأغنى يساعد S1 على التعميم في مهام طويلة لم تكن موجودة في بيانات التدريب المسبق. 1
5
وتصف الشركة النهج بأنه نظير روبوتي للطريقة التي نوجّه بها نماذج اللغة: تظل قدرات النموذج الأساسية ثابتة، بينما يزوّده العرض المصور بالسياق الخاص بالمهمة الجديدة.
قهوة ونباتات وفطائر وتجميع عدة
عرضت Skild S1 وهو ينفذ عددًا من مهام المناولة، من بينها:
- إعداد قهوة بالتقطير اليدوي.
- نقل نبتة إلى أصيص.
- تجميع عدة.
- قلب فطيرة على المقلاة.
وتستغرق بعض العروض ما يصل إلى 10 دقائق، وتشمل عشرات العمليات المتتابعة. 1
3
5
كما تقول الشركة إن اختبارات نوعية أظهرت أن النموذج لا يكتفي بتكرار حركة محفوظة. ففي بعض التجارب، تعامل S1 مع تغيّرات في المشهد، وحاول مجددًا بعد أخطاء، واستبدل كوبًا عندما لم تكن إبريق الري المستخدم في العرض متاحًا، بل صحح طريقة غير موفقة تعامل بها الشخص مع بيضة بدل نسخها حرفيًا.
وتشير هذه الأمثلة إلى مرونة سلوكية مفيدة، لكنها لا تثبت وحدها موثوقية النظام في مجموعة واسعة من البيئات. فالفيديوهات التوضيحية، مهما بدت مقنعة، ليست بديلًا عن اختبارات مستقلة ومنهجية. 5
مقارنة مع نماذج VLA الموجّهة باللغة
أكثر المقارنات تحديدًا التي قدمتها Skild جاءت من تقييم داخلي لمهام غير مألوفة. وتقول الشركة إن سياسة S1 التي تستخدم الفيديو داخل السياق حققت معدل نجاح متوسطًا بلغ 66% لكل خطوة عند تدريبها على 100 ألف ساعة من البيانات، مقابل 9% لخط أساس مماثل موجّه باللغة من نوع VLA، أي نموذج «رؤية-لغة-فعل». 1
4
كما تقول Skild إن نموذج VLA الموجّه باللغة تراجع بما يصل إلى ثلاثة أضعاف تراجع S1 عندما تغيرت ظروف التنفيذ بصورة كبيرة، مثل اختلاف الأشياء عن تلك الموجودة في العرض أو تطلب الخطة استخدام الذراع المقابلة. 1
وفي مقارنة أخرى أعلنتها الشركة، حقق عرض فيديو واحد أداءً يعادل تقريبًا 380 حلقة تدريب لاحقة خاصة بالمهمة على نموذج مدرّب مسبقًا. 1
توضح هذه الأرقام سبب أهمية التوجيه بالفيديو: فاللغة قد تحدد الهدف، بينما ينقل الفيديو التسلسل المقصود، والتوقيت، وترتيب الأشياء، واستخدام الأدوات، والاستراتيجية الحركية. لكن ينبغي قراءة هذه النتائج باعتبارها أدلة داخلية من Skild، لا معيارًا مستقلًا أعاد باحثون خارجيون إنتاجه. فالمواد المتاحة لا تتضمن ورقة بحثية عامة أو أوزان النموذج أو تقييمًا خارجيًا موحدًا. 4
15
متى يبدأ S1 تنفيذ المهمة؟
تصف Skild النموذج بأنه يعمل في الوقت الحقيقي بعد مشاهدة العرض، وذكرت تقارير مرتبطة بالإطلاق أن الروبوت يستطيع تنفيذ المهمة مباشرة بعد مشاهدتها. 2
5
لكن الأدلة المتاحة لا تكفي لتقديم رقم موثوق من نوع «خلال ثوانٍ» أو «بعد 11 دقيقة» بوصفه زمنًا عامًا للنظام. فلا يوجد في المصادر المقدمة قياس موثق وثابت للفترة بين نهاية الفيديو وبدء التنفيذ.
وهذا التفصيل مهم خصوصًا في المصانع؛ إذ قد يكون زمن الإعداد، وزمن الاستدلال، وفحوص السلامة، وطريقة التعامل مع الفشل، عوامل لا تقل أهمية عن نسبة نجاح المهمة نفسها.
استراتيجية Skild للبيانات
تعزو Skild قدرتها على بناء نموذج روبوتات عام إلى خط بيانات واسع يجمع بين عدة مصادر. وقد وصفت الشركة استخدام المحاكاة واسعة النطاق، وفيديوهات الإنترنت التي تعرض أفعال البشر، وبيانات الروبوتات، والتحكم عن بُعد، والمعلومات القادمة من عمليات النشر الفعلية. كما تتحدث مواد الجولة «C» عن حلقة بيانات تتولد فيها خبرات جديدة من عمليات التشغيل، ثم تُستخدم لتحسين النموذج عبر روبوتات وبيئات مختلفة. 37
وفي فعالية SMARTCLOUD SHOW، نُقل عن الشريك المؤسس أبيناف غوبتا قوله إن Skild تستخدم «كل أنواع» جمع بيانات الروبوتات، وإنها راكمت بيانات تفوق منافسيها بما بين 100 و1,000 مرة. لكن هذا الرقم يظل ادعاءً من الشركة، وليس مقارنة صناعية مدققة ومتاحة للعامة. 6
عمليًا، تؤدي كل فئة من البيانات دورًا مختلفًا: تمنح فيديوهات البشر النموذج أمثلة على الأشياء والأفعال، وتوسع المحاكاة نطاق الأجسام والبيئات الممكنة، بينما تربط بيانات الروبوتات الفعلية هذه المعارف بالتحكم في العالم الحقيقي.
ماذا تعني عبارة «عقل متعدد الأجسام»؟
يرتبط S1 باستراتيجية Skild الأوسع لبناء «عقل متعدد الأجسام» للروبوتات. ولا تعني العبارة أن الروبوت ذي الساقين والروبوت الرباعي والروبوت ذي العجلات والذراع الروبوتية يتحركون بالطريقة نفسها؛ فالمفاصل والمستشعرات والأطراف والعجلات والحركات الممكنة تختلف من منصة إلى أخرى. 45
المقصود هو أن يتعلم النموذج القواعد الفيزيائية المشتركة التي يمكن نقلها بين المنصات، ثم يترجمها إلى أوامر تناسب قدرات كل روبوت. وبذلك يمكن لنموذج واحد مشاركة المعرفة بين أجسام مختلفة، مع تكييف مخرجاته وفق المحركات والمستشعرات المتاحة لكل جسم. 45
ويهدف هذا النهج إلى تقليل الحاجة إلى بناء نموذج منفصل وصيانته لكل تكوين روبوتي. كما وصفت Skild تدريب النموذج على أعداد كبيرة من الأجسام الروبوتية المحاكاة، في محاولة لتعليمه سلوكًا فيزيائيًا أكثر عمومية. 42
45
أين يجري اختبار التقنية صناعيًا؟
أعلنت Skild تعاونها مع ABB Robotics وUniversal Robots لدمج برمجياتها في أنظمة صناعية. كما أفادت رويترز بأن Skild وNvidia تنشران «العقل الروبوتي» على خطوط تجميع مرتبطة بأنظمة Nvidia Blackwell. 34
44
توضح هذه الإعلانات مسارًا نحو الاختبار التجاري، لكنها لا تقدم سجلًا عامًا مكتملًا للأداء. فالأدلة المتاحة لا تثبت أرقامًا مدققة مستقلًا بشأن إنتاجية المصانع أو زمن التشغيل أو معدلات الخطأ أو حوادث السلامة أو العائد على الاستثمار.
لذلك، فإن نشر التقنية يعني أنها قيد الاختبار أو الدمج، لا أنها استبدلت الأتمتة التقليدية على نطاق واسع.
ماذا تقول قيمة الشركة؟
حظيت Skild باهتمام كبير من المستثمرين. فقد ذكرت بلومبرغ أن جولة «C» بقيمة 1.4 مليار دولار، قادتها SoftBank، رفعت قيمة الشركة إلى أكثر من 14 مليار دولار؛ أي أكثر من ثلاثة أضعاف قيمتها خلال نحو سبعة أشهر. 17
وتضع تقارير أخرى إجمالي التمويل التراكمي للشركة فوق 1.8 مليار دولار، لكن الأرقام تختلف من مصدر إلى آخر، ولذلك لا ينبغي اعتبارها إجماليًا نهائيًا ومدققًا. 18
21
22
أما تشبيه S1 بـ«لحظة ChatGPT للروبوتات»، فمن الأفضل فهمه باعتباره استعارة طموحة لا نتيجة محسومة. فالنموذج يشير إلى احتمال تحول في طريقة اكتساب الروبوتات للمهارات: من إعادة التدريب لكل مهمة على حدة إلى التعلم من عروض مصورة. وقد وصف المستثمر رافي ماتري الإطلاق بأنه «لحظة GPT-3» لمهام العمل البشري طويلة الأمد، لكن ذلك تقييم استثماري وليس تحققًا علميًا مستقلًا. 10
الخلاصة
الفكرة الأهم في S1 ليست أن الروبوت يستطيع تقليد فيديو فحسب، بل أن نموذجًا تأسيسيًا قد يستخدم عرضًا واحدًا لتركيب مهارات متعددة، والتكيف مع مشهد متغير، وتنفيذ سلسلة طويلة من الخطوات من دون تحديث أوزانه خصيصًا للمهمة.
وتجعل نتيجة المقارنة المعلنة، 66% مقابل 9%، إلى جانب عروض المهام الطويلة، الادعاء ذا أهمية تقنية واضحة. 1
4 لكن التحفظ لا يقل أهمية: فالأدلة العامة ما زالت تعتمد بدرجة كبيرة على مواد الشركة، وعروض منتقاة، وإعلانات نشر أولية.
وإلى أن يتمكن باحثون مستقلون من إعادة إنتاج النتائج في ظروف موحدة، وتنشر الجهات الصناعية بيانات عن الموثوقية والسلامة، يبقى S1 اتجاهًا واعدًا في مجال الذكاء الاصطناعي المادي، لا دليلًا نهائيًا على وصول «عقل روبوت عام» قادر على كل شيء.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "Skild AI S1: روبوت يتعلّم مهام جديدة من فيديو واحد"؟
تقول Skild AI إن S1 يستطيع مشاهدة فيديو واحد لمهمة غير مألوفة قد تمتد إلى 10 دقائق، ثم تنفيذها من دون تغيير أوزان النموذج أو جمع بيانات خاصة بالمهمة.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
تقول Skild AI إن S1 يستطيع مشاهدة فيديو واحد لمهمة غير مألوفة قد تمتد إلى 10 دقائق، ثم تنفيذها من دون تغيير أوزان النموذج أو جمع بيانات خاصة بالمهمة. تشمل العروض إعداد قهوة بالتقطير، ونقل نبتة إلى أصيص، وتجميع عدة، وقلب فطيرة، مع قدرة مُعلنة على التعامل مع تغيّر بعض العناصر والتعافي من أخطاء محدودة.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
تضع الشركة التقنية في مسار الاستخدام الصناعي، لكن الأدلة المتاحة لا تثبت بعد مؤشرات إنتاج مستقلة مثل الجاهزية التشغيلية، ومعدل الأعطال، والإنتاجية، والعائد على الاستثمار.
المصادر
skild.aiIntroducing S1: In-Context Learning for Robotics - Skild AI
runtimewire.comSkild AI ships S1, a robot model prompted by one video
zerogantry.comSkild AI S1 Achieves 10-Minute Tasks from One Video Prompt
datanorth.aiSkild AI S1: Robot Model Learns Tasks From One Video - DataNorth AI
x.com"Scaling laws for in-context learning for robotics, perhaps ...