JawabanDipublikasikan27 sumber
Skild AI S1: Satu Video untuk Mengajari Robot Tugas Baru
Skild AI mengatakan S1 dapat menonton satu video tugas yang belum pernah dilihat sebelumnya—dengan durasi hingga 10 menit—lalu menjalankannya tanpa mengubah bobot model atau mengumpulkan data khusus tugas. Demonstrasi S1 mencakup menyeduh kopi pour over, memindahkan tanaman ke pot, merakit kit, dan membalik panekuk.
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
Jawaban penelitian
Poin-poin penting
- Skild AI mengatakan S1 dapat menonton satu video tugas yang belum pernah dilihat sebelumnya—dengan durasi hingga 10 menit—lalu menjalankannya tanpa mengubah bobot model atau mengumpulkan data khusus tugas.
- Demonstrasi S1 mencakup menyeduh kopi pour over, memindahkan tanaman ke pot, merakit kit, dan membalik panekuk.
- S1 mulai diarahkan ke robot industri, tetapi bukti publik belum menunjukkan metrik produksi yang diaudit secara independen, seperti waktu aktif, kapasitas produksi, tingkat kesalahan, keselamatan, atau laba atas inves...
AI Perintah
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 S1 adalah model fondasi robotika yang mengandalkan in-context learning atau pembelajaran berbasis konteks. Alih-alih dilatih ulang untuk setiap pekerjaan baru, robot menonton video demonstrasi lalu menggunakannya sebagai spesifikasi tugas. Skild mengklaim S1 mampu menangani tugas yang belum pernah dilihat sebelumnya hingga 10 menit, tanpa fine-tuning khusus tugas dan tanpa mengubah bobot model. 1
5
Jika klaim itu terbukti secara luas, S1 dapat menjadi langkah penting menuju physical AI yang lebih adaptif—kecerdasan buatan yang tidak hanya menghasilkan teks atau gambar, tetapi juga memahami dan melakukan pekerjaan di dunia nyata. Namun, S1 belum membuktikan bahwa robot serbaguna siap menjalankan pekerjaan rumah tangga atau pekerjaan pabrik tanpa batas. Hasil terkuat yang tersedia saat ini berasal dari demonstrasi dan benchmark internal Skild, sehingga pengujian independen masih sangat dibutuhkan.
Apa yang membedakan S1?
Banyak sistem pembelajaran robotika dilatih untuk tugas, bentuk robot, atau kondisi operasi tertentu. S1 mengambil pendekatan berbeda: video demonstrasi diperlakukan sebagai semacam prompt yang dapat dieksekusi. Model harus menyimpulkan tujuan, urutan tindakan, hubungan antarobjek, serta penyesuaian fisik yang diperlukan untuk mengulangi tugas tersebut pada robot. 1
3
Perbedaannya cukup penting. Perintah bahasa seperti “buatkan kopi” atau “pindahkan tanaman” hanya menyebut tujuan secara umum. Video dapat menunjukkan urutan pekerjaan, cara memegang benda, penggunaan alat, penempatan objek, hingga bagaimana tugas berlangsung selama puluhan langkah. Menurut klaim Skild, informasi yang lebih kaya ini membantu S1 menggeneralisasi tugas berdurasi panjang yang tidak ada dalam data prapelatihannya. 1
5
Skild menggambarkan pendekatan tersebut sebagai analogi robotika dari memberi prompt kepada model bahasa: kemampuan dasar model tetap sama, sementara video memasok konteks khusus untuk pekerjaan yang hendak dilakukan.
Dari membuat kopi hingga membalik panekuk
Dalam demonstrasi yang dipublikasikan, S1 ditunjukkan menangani sejumlah alur kerja manipulasi, antara lain:
- Menyeduh kopi dengan metode pour-over
- Memindahkan tanaman ke pot
- Merakit sebuah kit
- Membalik panekuk
Beberapa demonstrasi berlangsung hingga 10 menit dan mencakup puluhan tindakan berurutan. 1
3
5
Skild juga melaporkan pengujian kualitatif untuk menunjukkan bahwa S1 tidak sekadar memutar ulang gerakan yang sudah dihafal. Dalam pengujian tersebut, model disebut mampu merespons perubahan pada adegan, mencoba lagi setelah melakukan kesalahan, mengganti alat penyiram dengan cangkir ketika alat yang sama tidak tersedia, serta memperbaiki cara demonstrator memegang telur yang dianggap kurang tepat alih-alih menirunya secara persis. 5
Hasil ini menunjukkan fleksibilitas perilaku, tetapi video demonstrasi saja belum cukup untuk membuktikan keandalan pada berbagai lingkungan, benda, kondisi pencahayaan, atau situasi keselamatan.
Perbandingan dengan model VLA berbasis bahasa
VLA adalah singkatan dari vision-language-action, yaitu model yang menghubungkan penglihatan dan bahasa dengan tindakan robot. Perbandingan paling spesifik yang tersedia berasal dari evaluasi internal Skild terhadap tugas-tugas yang belum pernah dilihat.
Pada 100.000 jam data pelatihan, Skild melaporkan bahwa kebijakan in-context berbasis video mencapai tingkat keberhasilan rata-rata per langkah sebesar 66%, sedangkan model pembanding VLA yang diprompt dengan bahasa hanya mencapai 9%. 1
4
Skild juga mengatakan bahwa ketika kondisi penerapan berubah secara signifikan—misalnya objek berbeda dari yang ada dalam demonstrasi atau rencana eksekusi mengharuskan robot memakai lengan yang berlawanan—kinerja VLA berbasis bahasa turun hingga tiga kali lebih besar dibandingkan S1. 1
Perbandingan lain dari perusahaan tersebut memperkirakan bahwa satu prompt video dapat menghasilkan kinerja yang setara dengan sekitar 380 episode pascapelatihan khusus tugas pada model yang telah dipra-latih. 1
Angka-angka itu menjelaskan mengapa prompting melalui video dianggap menarik. Video tidak hanya menyampaikan hasil akhir, tetapi juga urutan, waktu, susunan objek, penggunaan alat, dan strategi fisik. Meski demikian, angka tersebut harus dibaca sebagai bukti internal Skild, bukan benchmark head-to-head yang telah direplikasi secara independen. Materi yang tersedia belum mencakup makalah publik, bobot model, atau evaluasi eksternal yang terstandardisasi. 4
15
Seberapa cepat S1 mulai bekerja?
Skild menggambarkan S1 sebagai sistem yang beroperasi secara real time setelah menonton demonstrasi. Laporan terkait peluncurannya juga menyebut robot dapat langsung menjalankan tugas setelah melihat video. 2
5
Namun, belum ada cukup bukti untuk menetapkan angka yang terverifikasi—misalnya “dalam hitungan detik” atau “11 menit”—sebagai waktu mulai eksekusi untuk sistem secara umum. Sumber yang tersedia tidak menetapkan secara jelas jeda antara video selesai ditonton dan robot mulai bergerak.
Perbedaan ini penting terutama di lingkungan industri. Waktu persiapan, latensi inferensi, pemeriksaan keselamatan, serta kemampuan memulihkan diri dari kesalahan dapat sama pentingnya dengan tingkat keberhasilan tugas.
Strategi data Skild AI
Skild mengaitkan kemampuan model serbaguna tersebut dengan pipeline data yang luas. Perusahaan menyebut penggunaan simulasi berskala besar, video internet yang menampilkan tindakan manusia, data robot, teleoperasi, serta informasi dari penerapan di dunia nyata. Materi Series C Skild juga menggambarkan data flywheel: semakin banyak robot dikerahkan, semakin banyak pengalaman yang dikumpulkan untuk meningkatkan model di berbagai robot dan lingkungan. 37
Dalam acara SMARTCLOUD SHOW, salah satu pendiri Skild, Abhinav Gupta, dilaporkan mengatakan bahwa perusahaan menggunakan “segala jenis” metode pengumpulan data robot dan telah mengumpulkan 100 hingga 1.000 kali lebih banyak data dibandingkan kompetitor. Angka tersebut merupakan klaim perusahaan, bukan perbandingan industri yang diaudit secara publik. 6
Secara praktis, setiap sumber data berperan berbeda. Video manusia membantu model memahami objek dan tindakan; simulasi memperluas variasi bentuk robot serta lingkungan; sementara data robot nyata menghubungkan pemahaman tersebut dengan kontrol fisik di lapangan.
Apa arti “otak omni-bodied”?
S1 merupakan bagian dari strategi Skild yang lebih luas untuk membangun “otak” robot omni-bodied. Istilah ini tidak berarti robot berkaki dua, robot berkaki empat, robot beroda, dan lengan robot akan bergerak dengan cara yang sama. Masing-masing memiliki sendi, sensor, anggota gerak, roda, dan batas kemampuan fisik yang berbeda. 45
Maksudnya, arsitektur tersebut berusaha mempelajari pola-pola fisik yang dapat digunakan lintas platform, lalu menerjemahkannya ke kemampuan robot tertentu. Dengan begitu, satu model dapat berbagi pengetahuan antarjenis robot sambil menyesuaikan keluaran dengan aktuator dan sensor yang tersedia. 45
Pendekatan ini ditujukan untuk mengurangi kebutuhan membangun serta memelihara model terpisah bagi setiap konfigurasi robot. Skild juga menyebut pelatihan pada banyak bentuk robot simulasi sebagai bagian dari upayanya mempelajari perilaku fisik yang lebih umum. 42
45
Di mana S1 mulai digunakan?
Skild telah mengumumkan kerja sama dengan ABB Robotics dan Universal Robots untuk mengintegrasikan perangkat lunaknya ke sistem industri. Reuters juga melaporkan bahwa Skild dan Nvidia menerapkan “otak” robot tersebut pada lini perakitan yang berkaitan dengan sistem Nvidia Blackwell. 34
44
Pengumuman itu menunjukkan jalur menuju pengujian komersial, tetapi belum memberikan rekam kinerja publik yang lengkap. Bukti yang tersedia tidak menetapkan angka yang diaudit secara independen untuk kapasitas produksi, waktu aktif, tingkat kesalahan, insiden keselamatan, atau laba atas investasi.
Dengan kata lain, deployment menunjukkan bahwa teknologi sedang diuji atau diintegrasikan. Itu belum membuktikan bahwa S1 telah menggantikan otomasi konvensional dalam skala besar.
Valuasi lebih dari 14 miliar dolar bukan bukti teknis
Minat investor terhadap Skild AI sangat besar. Bloomberg melaporkan putaran pendanaan Series C senilai 1,4 miliar dolar AS yang dipimpin SoftBank dan membuat valuasi perusahaan mencapai lebih dari 14 miliar dolar AS—lebih dari tiga kali lipat dibandingkan sekitar tujuh bulan sebelumnya. 17
Sejumlah laporan menempatkan total pendanaan Skild di atas 1,8 miliar dolar AS. Namun, angka yang tersedia berbeda-beda antar sumber dan sebaiknya tidak diperlakukan sebagai total definitif yang telah diaudit. 18
21
22
Pendanaan tersebut mencerminkan keyakinan bahwa perangkat lunak robotika dapat menjadi lapisan platform yang berskala besar di berbagai jenis perangkat keras. Namun, valuasi dan antusiasme investor tidak sama dengan validasi ilmiah atau bukti bahwa robot serbaguna telah siap bekerja secara andal di rumah dan pabrik.
Perbandingan dengan “momen ChatGPT untuk robot” juga lebih tepat dipahami sebagai analogi yang aspiratif, bukan kesimpulan final. S1 mengarah pada kemungkinan perubahan cara robot memperoleh keterampilan: dari pelatihan ulang satu per satu menuju pembelajaran melalui demonstrasi. Investor Ravi Mhatre menyebut peluncuran ini sebagai “momen GPT-3” untuk tugas pekerjaan manusia berdurasi panjang, tetapi itu merupakan penilaian investor, bukan validasi ilmiah independen. 10
Kesimpulan
Gagasan terpenting dari S1 bukan sekadar robot dapat meniru video. Yang lebih penting adalah kemungkinan sebuah model fondasi menggunakan satu demonstrasi untuk menggabungkan keterampilan, beradaptasi terhadap perubahan adegan, dan menjalankan rangkaian tindakan panjang tanpa memperbarui bobot model untuk tugas tersebut.
Hasil benchmark yang dilaporkan Skild—66% berbanding 9%—serta demonstrasi tugas berdurasi panjang membuat klaim S1 layak diperhatikan secara teknis. 1
4 Namun, batasannya sama penting: bukti publik masih didominasi materi perusahaan, demonstrasi terpilih, dan pengumuman deployment awal.
Sampai peneliti eksternal dapat mereplikasi hasil tersebut dalam kondisi yang terstandardisasi, dan pelanggan industri mempublikasikan data keandalan serta keselamatan, S1 sebaiknya dipandang sebagai arah yang menjanjikan bagi physical AI—bukan bukti definitif bahwa “otak” robot serbaguna telah hadir.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Skild AI S1: Satu Video untuk Mengajari Robot Tugas Baru"?
Skild AI mengatakan S1 dapat menonton satu video tugas yang belum pernah dilihat sebelumnya—dengan durasi hingga 10 menit—lalu menjalankannya tanpa mengubah bobot model atau mengumpulkan data khusus tugas.
Apa poin penting yang harus divalidasi terlebih dahulu?
Skild AI mengatakan S1 dapat menonton satu video tugas yang belum pernah dilihat sebelumnya—dengan durasi hingga 10 menit—lalu menjalankannya tanpa mengubah bobot model atau mengumpulkan data khusus tugas. Demonstrasi S1 mencakup menyeduh kopi pour over, memindahkan tanaman ke pot, merakit kit, dan membalik panekuk.
Apa yang harus saya lakukan selanjutnya dalam latihan?
S1 mulai diarahkan ke robot industri, tetapi bukti publik belum menunjukkan metrik produksi yang diaudit secara independen, seperti waktu aktif, kapasitas produksi, tingkat kesalahan, keselamatan, atau laba atas inves...
Sumber
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 ...