AnswersPublished27 sources
Skild AI S1 opettaa robotille uuden tehtävän yhdellä videolla
Skild AI kertoo S1:n pystyvän katsomaan yhden videon jopa 10 minuuttia kestävästä, ennestään tuntemattomasta tehtävästä ja suorittamaan sen muuttamatta mallin painoja tai keräämättä tehtäväkohtaista dataa. Esittelyissä S1 on valmistanut pour over kahvia, istuttanut kasvin, koonnut rakennussarjan ja kääntänyt pannuka...
JulkaisijaMuokattu mallilla GPT-5.6 LunaKuvat luotu mallilla GPT Image 1.5
Research answer
Key takeaways
- Skild AI kertoo S1:n pystyvän katsomaan yhden videon jopa 10 minuuttia kestävästä, ennestään tuntemattomasta tehtävästä ja suorittamaan sen muuttamatta mallin painoja tai keräämättä tehtäväkohtaista dataa.
- Esittelyissä S1 on valmistanut pour over kahvia, istuttanut kasvin, koonnut rakennussarjan ja kääntänyt pannukakun.
- Teknologiaa viedään teollisuusrobotteihin, mutta julkinen näyttö ei vielä osoita tuotantotason mittareita, kuten käyttöastetta, läpimenoa, virhemääriä tai sijoitetun pääoman tuottoa.
AI Prompt
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
Skild AI:n S1 on robotiikan perustamalli, jonka ydin perustuu niin sanottuun in-context learning -oppimiseen eli kontekstissa oppimiseen. Robotille ei tarvitse yhtiön mukaan kouluttaa jokaista uutta tehtävää erikseen. Sen sijaan robotti katsoo esittelyvideon ja käyttää sitä toimintaohjeena.
Skild kertoo S1:n pystyvän suorittamaan ennestään tuntemattomia, jopa 10 minuuttia kestäviä tehtäviä ilman tehtäväkohtaista hienosäätöä tai mallin painojen muuttamista. 1
5
Kyseessä on kiinnostava askel kohti mukautuvampaa fyysistä tekoälyä. Se ei kuitenkaan vielä todista, että yleiskäyttöiset robotit olisivat valmiita rajattomiin koti- tai tehdastöihin. Vahvin näyttö perustuu toistaiseksi Skildin omiin esittelyihin ja vertailuihin, joten riippumaton testaaminen on edelleen olennaista.
Mitä S1 tekee eri tavalla?
Monet robottioppimisen järjestelmät koulutetaan tiettyä tehtävää, robottimallia tai käyttöympäristöä varten. S1 käsittelee esittelyvideota sen sijaan suoritettavana kehotteena. Mallin pitää päätellä videosta tavoite, työvaiheiden järjestys, esineiden väliset suhteet ja fyysiset korjaukset, joita tehtävän suorittaminen robotilla edellyttää. 1
3
Tämä eroaa pelkästä käskystä, kuten ”valmista kahvi” tai ”siirrä kasvi”. Kieli voi kertoa tavoitteen, mutta video näyttää työjärjestyksen, esineeseen tarttumisen, työkalujen käytön ja sen, miten tehtävä etenee useiden vaiheiden aikana. Skildin keskeinen väite on, että näin monipuolisempi kehote auttaa S1:tä yleistämään oppimaansa pitkiin tehtäviin, joita malli ei nähnyt esikoulutuksessa. 1
5
Yhtiö kuvaa lähestymistapaa robotiikan vastineeksi kielimallin kehottamisesta: mallin perustaidot pysyvät samoina, mutta esittelyvideo antaa tehtäväkohtaisen kontekstin.
Kahvia, kasveja, pannukakkuja ja kokoonpanoa
Skild on esitellyt S1:n suorittamassa muun muassa seuraavia tehtäviä:
- pour-over-kahvin valmistaminen
- kasvin istuttaminen ruukkuun
- rakennussarjan kokoaminen
- pannukakun kääntäminen
Osa esittelyistä kestää jopa 10 minuuttia ja sisältää kymmeniä peräkkäisiä toimia. 1
3
5
Skild kertoo tehneensä myös laadullisia kokeita selvittääkseen, toistaako S1 vain ulkoa opittua liikettä. Yhtiön mukaan malli reagoi ympäristön muutoksiin, yritti uudelleen joidenkin virheiden jälkeen, vaihtoi kastelukannun tilalle kupin, kun alkuperäinen esine ei ollut saatavilla, ja korjasi esittelijän kömpelön tavan käsitellä kananmunaa sen sijaan, että olisi kopioinut liikkeen sellaisenaan. Nämä ovat merkkejä käyttäytymisen joustavuudesta, mutta pelkät videot eivät vielä osoita luotettavuutta monenlaisissa ympäristöissä. 5
Vertailu kielikehotteisiin ja VLA-malleihin
Skildin tarkin vertailu koskee yhtiön sisäistä testiä, jossa arvioitiin ennestään tuntemattomia tehtäviä. Yhtiö raportoi, että sen videolla ohjattu kontekstissa oppiva politiikka saavutti 100 000 tunnin harjoitusdatalla 66 prosentin keskimääräisen vaihekohtaisen onnistumisasteen. Vastaava kielikehotteeseen perustuva vision-language-action- eli VLA-malli ylsi 9 prosenttiin. 1
4
Skild kertoo myös, että kielikehotteinen VLA-malli heikkeni olosuhteiden muuttuessa jopa kolme kertaa enemmän kuin S1. Esimerkkeinä mainitaan tilanteet, joissa esineet poikkesivat esittelyssä nähdyistä tai tehtävä edellytti vastakkaisen käden käyttämistä. 1
Yhtiön toisen vertailun mukaan yksi video-ohje tuotti tuloksen, joka vastasi suunnilleen 380:tä tehtäväkohtaista jälkikoulutusesimerkkiä valmiiksi koulutetulle mallille. 1
Luvut havainnollistavat, miksi video-ohjaus voi olla merkityksellistä. Esittely kertoo lopputuloksen lisäksi työjärjestyksen, ajoituksen, esineiden sijoittelun, työkalujen käytön ja fyysisen toimintastrategian. Tulokset ovat kuitenkin Skildin sisäistä näyttöä, eivät riippumattomasti toistettuja vertailutuloksia. Saatavilla oleva aineisto ei sisällä julkista tutkimusartikkelia, mallin painoja tai standardoitua ulkopuolista arviointia. 4
15
Kuinka nopeasti S1 aloittaa tehtävän?
Skild kuvaa S1:n toimivan reaaliajassa esittelyvideon katsomisen jälkeen. Julkaisun yhteydessä kerrottujen tietojen mukaan robotti pystyi aloittamaan tehtävän heti videon nähtyään. 2
5
Yleiselle järjestelmälle ei kuitenkaan ole riittävästi näyttöä tarkasta ajasta videon päättymisestä toiminnan alkamiseen. Siksi esimerkiksi ”muutamassa sekunnissa” tai ”11 minuutissa” ei voida esittää vahvistettuna yleisenä lukuna. Ero on tärkeä teollisuudessa, jossa valmisteluaika, laskennan viive, turvallisuustarkistukset ja virheistä palautuminen voivat olla yhtä merkittäviä kuin mallin raaka onnistumisprosentti.
Mihin Skild perustaa datansa?
Skild antaa laajan dataketjun ansioksi sen, että se pystyy rakentamaan yleiskäyttöistä robotiikkamallia. Yhtiö on kuvannut hyödyntävänsä suurimittaista simulointia, internetissä olevia videoita ihmisten toiminnasta, robottidataa, etäohjausta sekä oikeista käyttöönottoympäristöistä saatavaa tietoa. Series C -rahoituskierroksen yhteydessä julkaistuissa materiaaleissa kuvataan myös datakierrettä: käyttöönotot tuottavat lisää kokemusta, joka voi parantaa mallia eri roboteissa ja ympäristöissä. 37
SMARTCLOUD SHOW -tapahtumassa Skildin toinen perustaja Abhinav Gupta sanoi tiettävästi yhtiön käyttävän ”kaikenlaisia” robotidatan keruumenetelmiä ja keränneen 100–1 000 kertaa enemmän dataa kuin kilpailijat. Tämä kerroin on yhtiön oma väite, ei julkisesti auditoitu toimialavertailu. 6
Käytännössä strategia yhdistää datalähteitä, jotka opettavat ongelman eri puolia: ihmisten videot näyttävät esineitä ja toimintoja, simulaatio laajentaa mahdollisten robottikehojen ja ympäristöjen määrää, ja oikea robottidata yhdistää nämä fyysiseen ohjaukseen.
Mitä ”omni-bodied” tarkoittaa?
S1 liittyy Skildin laajempaan ajatukseen ”omni-bodied”-robot aivoista. Termi ei tarkoita, että kaksijalkainen, nelijalkainen, pyörillä liikkuva robotti ja robottikäsi liikkuisivat samalla tavalla. Niiden nivelet, anturit, raajat, pyörät ja fyysisesti mahdolliset liikkeet poikkeavat toisistaan. 45
Tavoitteena on sen sijaan oppia eri alustoilla toistuvia fysiikan lainalaisuuksia ja sovittaa mallin ennusteet tietyn robotin ominaisuuksiin. Yksi malli voi näin jakaa tietoa eri robottikehojen välillä ja mukauttaa tuotoksensa kunkin robotin käytettävissä oleviin toimilaitteisiin ja antureihin. 45
Lähestymistavan tarkoitus on vähentää tarvetta rakentaa ja ylläpitää täysin erillistä mallia jokaiselle robottikokoonpanolle. Skild on myös kertonut kouluttaneensa mallia suurella määrällä simuloituja robottikehoja oppiakseen yleisempiä fyysisen toiminnan periaatteita. 42
45
Missä S1:n taustalla olevaa teknologiaa käytetään?
Skild on ilmoittanut yhteistyöstä ABB Roboticsin ja Universal Robotsin kanssa ohjelmiston integroimiseksi teollisuusjärjestelmiin. Reutersin mukaan Skild ja Nvidia ovat lisäksi ottamassa robottiaivoa käyttöön Nvidia Blackwell -järjestelmiin liittyvillä kokoonpanolinjoilla. 34
44
Ilmoitukset osoittavat reitin kaupalliseen testaamiseen, mutta ne eivät vielä muodosta täydellistä julkista suorituskykytilastoa. Saatavilla oleva näyttö ei vahvista riippumattomasti auditoituja lukuja tehtaan läpimenosta, käyttöasteesta, virhemääristä, turvallisuustapauksista tai sijoitetun pääoman tuotosta. Käyttöönotto kertoo teknologian testaamisesta tai integroinnista – ei siitä, että se olisi jo korvannut perinteisen automaation laajassa mittakaavassa.
Mitä yli 14 miljardin dollarin arvostus kertoo?
Sijoittajien kiinnostus Skildiä kohtaan on ollut huomattavaa. Bloombergin mukaan SoftBankin johtama 1,4 miljardin dollarin Series C -rahoituskierros arvosti yhtiön yli 14 miljardin dollarin arvoiseksi. Arvostus yli kolminkertaistui noin seitsemässä kuukaudessa. 17
Muut raportit ovat arvioineet Skildin kokonaisrahoituksen yli 1,8 miljardin dollarin suuruiseksi, mutta lähteiden luvut vaihtelevat. Niitä ei siksi pidä tulkita lopulliseksi auditoiduksi summaksi. 18
21
22
Vertaus robotiikan ”ChatGPT-hetkeen” on parasta ymmärtää vertauskuvana, ei ratkaistuna johtopäätöksenä. S1 viittaa mahdolliseen muutokseen siinä, miten robotit hankkivat uusia taitoja: tehtäväkohtaisen uudelleenkoulutuksen sijaan ne voisivat oppia esittelyistä. Sijoittaja Ravi Mhatre kutsui julkaisua ”GPT-3-hetkeksi” pitkien, ihmistyötä muistuttavien tehtävien kannalta, mutta kyse on sijoittajan arviosta, ei riippumattomasta tieteellisestä vahvistuksesta. 10
Johtopäätös
S1:n kiinnostavin idea ei ole vain se, että robotti osaa jäljitellä videota. Olennaisempaa on mahdollisuus siihen, että perustamalli käyttää yhtä esittelyä taitojen yhdistämiseen, sopeutuu muuttuneeseen ympäristöön ja suorittaa pitkän työketjun ilman mallin painojen päivittämistä kyseistä tehtävää varten.
Skildin raportoima 66 prosentin ja 9 prosentin vertailutulos sekä pitkät tehtäväesittelyt tekevät väitteestä teknisesti merkittävän. 1
4 Yhtä tärkeä on kuitenkin varaus: julkinen näyttö koostuu edelleen pääosin yhtiön omista materiaaleista, valikoiduista esittelyistä ja varhaisista käyttöönottoilmoituksista. Ennen kuin ulkopuoliset tutkijat toistavat tulokset standardoiduissa oloissa ja teollisuusasiakkaat julkaisevat luotettavuus- ja turvallisuustietoja, S1:tä on perusteltua pitää lupaavana fyysisen tekoälyn suuntana – ei lopullisena todisteena yleiskäyttöisten robottiaivojen saapumisesta.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Skild AI S1 opettaa robotille uuden tehtävän yhdellä videolla"?
Skild AI kertoo S1:n pystyvän katsomaan yhden videon jopa 10 minuuttia kestävästä, ennestään tuntemattomasta tehtävästä ja suorittamaan sen muuttamatta mallin painoja tai keräämättä tehtäväkohtaista dataa.
What are the key points to validate first?
Skild AI kertoo S1:n pystyvän katsomaan yhden videon jopa 10 minuuttia kestävästä, ennestään tuntemattomasta tehtävästä ja suorittamaan sen muuttamatta mallin painoja tai keräämättä tehtäväkohtaista dataa. Esittelyissä S1 on valmistanut pour over kahvia, istuttanut kasvin, koonnut rakennussarjan ja kääntänyt pannukakun.
What should I do next in practice?
Teknologiaa viedään teollisuusrobotteihin, mutta julkinen näyttö ei vielä osoita tuotantotason mittareita, kuten käyttöastetta, läpimenoa, virhemääriä tai sijoitetun pääoman tuottoa.
Sources
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 ...