AnswersPublished27 sources
Skild AI S1: kan één video robots nieuwe taken leren?
Skild AI zegt dat S1 na het bekijken van één video onbekende taken tot tien minuten lang kan uitvoeren zonder de modelgewichten aan te passen of taakspecifieke data te verzamelen. De demonstraties omvatten onder meer koffiezetten, een plant verpotten, een bouwpakket assembleren en pannenkoeken omdraaien.
Gepubliceerd doorBewerkt met GPT-5.6 LunaAfbeeldingen gegenereerd met GPT Image 1.5
Research answer
Key takeaways
- Skild AI zegt dat S1 na het bekijken van één video onbekende taken tot tien minuten lang kan uitvoeren zonder de modelgewichten aan te passen of taakspecifieke data te verzamelen.
- De demonstraties omvatten onder meer koffiezetten, een plant verpotten, een bouwpakket assembleren en pannenkoeken omdraaien.
- S1 wordt gepositioneerd voor industriële robots, maar openbare informatie bevat nog geen onafhankelijk gecontroleerde cijfers over beschikbaarheid, productiviteit, foutpercentages, veiligheid of rendement.
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’s S1 is een zogenoemd foundationmodel voor robotica dat draait om in-context learning. In plaats van een robot voor iedere nieuwe taak opnieuw te trainen, laat je de robot een videodemonstratie bekijken. Die video fungeert vervolgens als werkinstructie: het model leidt eruit af wat het doel is en welke handelingen nodig zijn. Volgens Skild AI kan S1 zo onbekende taken uitvoeren die tot tien minuten duren, zonder taakspecifieke fine-tuning en zonder de gewichten van het model aan te passen. 1
5
Dat maakt S1 een opvallende stap richting flexibelere fysieke AI. Het betekent nog niet dat algemene robots klaar zijn voor onbeperkt werk in huishoudens of fabrieken. De sterkste resultaten komen voorlopig uit demonstraties en benchmarks die door Skild AI zelf zijn aangeleverd. Onafhankelijke tests blijven daarom essentieel.
Wat doet S1 anders?
Veel systemen voor robotleren zijn gebouwd rond één specifieke taak, één type robot of een beperkt aantal omstandigheden. S1 behandelt een demonstratievideo daarentegen als een uitvoerbare opdracht. Het model moet het doel, de volgorde van handelingen, de relaties tussen objecten en de benodigde fysieke aanpassingen afleiden om de taak met een robot te herhalen. 1
3
Dat gaat verder dan een robot simpelweg de opdracht geven om koffie te zetten of een plant te verplaatsen. Taal kan het doel benoemen, maar een video laat ook zien in welke volgorde de stappen plaatsvinden, hoe een object wordt vastgepakt, hoe gereedschap wordt gebruikt en hoe de taak zich over tientallen handelingen ontvouwt. Skild AI stelt dat deze rijkere vorm van input S1 helpt generaliseren naar lange taken die niet in de trainingsdata voorkwamen. 1
5
Het bedrijf vergelijkt de aanpak met het geven van een prompt aan een taalmodel: de basiscapaciteiten van het model blijven hetzelfde, terwijl de demonstratie de taak-specifieke context levert.
Van koffiezetten tot pannenkoeken omdraaien
Skild AI heeft S1 onder meer getoond tijdens de volgende handelingen:
- koffiezetten met de pour-overmethode;
- een plant verpotten;
- een bouwpakket assembleren;
- een pannenkoek omdraaien.
Sommige demonstraties duren maximaal tien minuten en bestaan uit tientallen opeenvolgende acties. 1
3
5
Volgens Skild AI was S1 in kwalitatieve tests bovendien niet alleen een beweging aan het afspelen. Het model zou hebben gereageerd op veranderingen in de scène, na sommige fouten opnieuw hebben geprobeerd, een beker hebben gebruikt toen de getoonde gieter niet beschikbaar was en de onhandige omgang van een demonstrator met een ei hebben gecorrigeerd in plaats van die letterlijk te kopiëren. Dat zijn aanwijzingen voor gedragsmatige flexibiliteit, maar videodemonstraties alleen bewijzen niet dat het systeem in allerlei omgevingen betrouwbaar werkt. 5
Hoe verhoudt S1 zich tot VLA-modellen?
VLA staat voor vision-language-action. Zulke modellen combineren visuele informatie en taal om robotacties aan te sturen. De meest concrete vergelijking van Skild AI komt uit een interne test met onbekende taken. Bij 100.000 uur trainingsdata rapporteerde het bedrijf voor zijn videomgestuurde in-contextbeleid een gemiddelde succesratio van 66 procent per stap, tegenover 9 procent voor een vergelijkbaar VLA-basismodel dat met taal werd aangestuurd. 1
4
Skild AI zegt daarnaast dat het taalgestuurde VLA-model tot drie keer sterker terugviel dan S1 wanneer de omstandigheden tijdens het gebruik ingrijpend veranderden. Dat gebeurde bijvoorbeeld wanneer objecten afweken van de demonstratie of wanneer de taak met de andere arm moest worden uitgevoerd. 1
Een andere door het bedrijf gerapporteerde vergelijking schatte dat één videoprompt prestaties opleverde die vergelijkbaar waren met ongeveer 380 taakspecifieke trainingssessies boven op een vooraf getraind model. 1
De reden dat videoprompts interessant zijn, is duidelijk: een demonstratie communiceert niet alleen het gewenste eindresultaat, maar ook de volgorde, timing, opstelling van objecten, gereedschappen en fysieke strategie. Toch moeten deze cijfers worden gelezen als intern bewijs van Skild AI, niet als een onafhankelijk herhaalde vergelijking. Het beschikbare materiaal bevat geen openbaar wetenschappelijk artikel, modelgewichten of gestandaardiseerde externe evaluatie. 4
15
Hoe snel begint S1 met uitvoeren?
Skild AI beschrijft S1 als een systeem dat na het bekijken van de demonstratie in realtime werkt. Berichten rond de introductie stelden dat de robot de taak direct na het bekijken van de video kon uitvoeren. 2
5
Er is echter onvoldoende bewijs voor een algemeen, gecontroleerd cijfer zoals “binnen enkele seconden” of “na elf minuten”. De precieze tijd tussen het einde van de video en het begin van de uitvoering is in de aangeleverde bronnen niet vastgesteld. Dat onderscheid is belangrijk in industriële omgevingen, waar insteltijd, inferentievertraging, veiligheidscontroles en herstel na fouten minstens zo relevant kunnen zijn als de ruwe succesratio.
De datastrategie achter S1
Skild AI schrijft zijn ontwikkeling van een algemeen robotmodel toe aan een brede datastroom. Het bedrijf noemt grootschalige simulaties, internetvideo’s van menselijke handelingen, robotdata, teleoperatie en informatie uit echte toepassingen. In materiaal over de Series C beschrijft Skild AI ook een datavliegwiel: robots die in de praktijk worden ingezet leveren nieuwe ervaringen op, waarmee het model over meerdere robots en omgevingen kan verbeteren. 37
Tijdens SMARTCLOUD SHOW zei medeoprichter Abhinav Gupta volgens berichtgeving dat Skild AI “elke soort” methode voor het verzamelen van robotdata gebruikt en 100 tot 1.000 keer meer data dan concurrenten heeft verzameld. Die vermenigvuldigingsfactor is een bewering van het bedrijf en geen publiek gecontroleerde vergelijking binnen de sector. 6
De praktische gedachte achter deze aanpak is dat verschillende databronnen verschillende onderdelen van het probleem aanleren. Menselijke video’s tonen objecten en handelingen, simulaties vergroten de variatie aan robotlichamen en omgevingen, en data van echte robots koppelt die algemene kennis aan fysieke besturing.
Wat betekent ‘omni-bodied’?
S1 maakt deel uit van Skild AI’s bredere visie op een “omni-bodied” robotbrein. Dat betekent niet dat een tweevoetige robot, een viervoeter, een robot op wielen en een robotarm dezelfde bewegingen maken. Hun gewrichten, sensoren, ledematen, wielen en fysiek mogelijke acties verschillen. 45
De bedoeling is dat één architectuur algemene wetmatigheden van de fysieke wereld leert en die kennis vervolgens vertaalt naar de mogelijkheden van een specifiek robotlichaam. Zo kan één model kennis delen tussen verschillende robots, terwijl het zijn uitvoer aanpast aan de beschikbare motoren en sensoren. 45
Daarmee wil Skild AI voorkomen dat voor elke robotconfiguratie een volledig afzonderlijk model moet worden gebouwd en onderhouden. Het bedrijf heeft ook beschreven dat het model wordt getraind met grote aantallen gesimuleerde robotlichamen om algemener fysiek gedrag te leren. 42
45
Waar wordt de technologie ingezet?
Skild AI heeft samenwerkingen aangekondigd met ABB Robotics en Universal Robots om de software in industriële systemen te integreren. Reuters meldde bovendien dat Skild AI en Nvidia het robotbrein inzetten op assemblagelijnen die verband houden met Nvidia Blackwell-systemen. 34
44
Die aankondigingen laten zien dat de technologie commercieel wordt getest en geïntegreerd. Ze leveren echter nog geen volledig openbaar prestatieoverzicht op. De aangeleverde informatie bevat geen onafhankelijk gecontroleerde cijfers over productiesnelheid, beschikbaarheid, foutpercentages, veiligheidsincidenten of rendement op investering. Een implementatie bewijst dat de technologie wordt getest of ingevoerd, niet dat zij conventionele automatisering al op grote schaal heeft vervangen.
Wat zegt de waardering — en wat niet?
De belangstelling van investeerders voor Skild AI is groot. Bloomberg meldde een Series C-financieringsronde van 1,4 miljard dollar, geleid door SoftBank, waarbij het bedrijf werd gewaardeerd op meer dan 14 miljard dollar. Dat was ruim drie keer de waardering van ongeveer zeven maanden eerder. 17
Andere berichten plaatsen de totale financiering van Skild AI boven 1,8 miljard dollar, maar de beschikbare bedragen verschillen per bron. Ze moeten daarom niet worden opgevat als één definitief, gecontroleerd totaal. 18
21
22
De vergelijking met een “ChatGPT-moment voor robots” is vooral een analogie, geen vaststaand oordeel. S1 wijst op een mogelijke verandering in de manier waarop robots nieuwe vaardigheden verwerven: van taak-voor-taak opnieuw trainen naar leren uit demonstraties. Investeerder Ravi Mhatre noemde de introductie een “GPT-3-moment” voor langdurige taken die normaal door mensen worden uitgevoerd. Dat is echter een oordeel van een investeerder en geen onafhankelijke wetenschappelijke validatie. 10
De kern
Het belangrijkste aan S1 is niet alleen dat een robot een video kan nadoen. De grotere claim is dat een foundationmodel één demonstratie kan gebruiken om vaardigheden te combineren, zich aan een veranderde scène kan aanpassen en een lange reeks handelingen kan uitvoeren zonder voor die specifieke taak opnieuw te worden getraind.
De door Skild AI gerapporteerde benchmark van 66 procent tegenover 9 procent en de demonstraties van taken met een lange looptijd maken die claim technisch relevant. 1
4 De kanttekening is minstens zo belangrijk: het openbare bewijs bestaat nog grotendeels uit bedrijfsmateriaal, geselecteerde demonstraties en vroege aankondigingen van implementaties. Tot externe onderzoekers de resultaten onder gestandaardiseerde omstandigheden kunnen reproduceren en industriële klanten cijfers over betrouwbaarheid en veiligheid publiceren, is S1 vooral een veelbelovende richting voor fysieke AI — geen definitief bewijs dat het algemene robotbrein al is gearriveerd.
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: kan één video robots nieuwe taken leren?"?
Skild AI zegt dat S1 na het bekijken van één video onbekende taken tot tien minuten lang kan uitvoeren zonder de modelgewichten aan te passen of taakspecifieke data te verzamelen.
What are the key points to validate first?
Skild AI zegt dat S1 na het bekijken van één video onbekende taken tot tien minuten lang kan uitvoeren zonder de modelgewichten aan te passen of taakspecifieke data te verzamelen. De demonstraties omvatten onder meer koffiezetten, een plant verpotten, een bouwpakket assembleren en pannenkoeken omdraaien.
What should I do next in practice?
S1 wordt gepositioneerd voor industriële robots, maar openbare informatie bevat nog geen onafhankelijk gecontroleerde cijfers over beschikbaarheid, productiviteit, foutpercentages, veiligheid of rendement.
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 ...