ОтветыОпубликовано27 источники
Skild AI S1: как одно видео может изменить обучение роботов
Skild AI заявляет, что S1 может посмотреть одно видео с демонстрацией незнакомой задачи длительностью до 10 минут и выполнить её без изменения весов модели и сбора специальных данных. В демонстрациях S1 готовит кофе методом пуровера, пересаживает растение, собирает набор и переворачивает блин, а также реагирует на и...
ОпубликовалОтредактировано с помощью GPT-5.6 LunaИзображения созданы с помощью GPT Image 1.5
Ответ на исследование
Ключевые выводы
- Skild AI заявляет, что S1 может посмотреть одно видео с демонстрацией незнакомой задачи длительностью до 10 минут и выполнить её без изменения весов модели и сбора специальных данных.
- В демонстрациях S1 готовит кофе методом пуровера, пересаживает растение, собирает набор и переворачивает блин, а также реагирует на изменения сцены и некоторые ошибки.
- Во внутреннем тесте компании видеоподсказка показала среднюю поэтапную успешность 66% против 9% у сопоставимой VLA модели с языковой подсказкой, однако независимого воспроизведения этих результатов пока нет.
- Модель ориентирована прежде всего на промышленных роботов: Skild AI объявила о сотрудничестве с ABB Robotics и Universal Robots, но публичных аудированных показателей производительности и надёжности пока недостаточно.
Промпт ИИ
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 представила S1 как робототехническую foundation-модель, построенную вокруг обучения в контексте. Вместо того чтобы заново дообучать робота под каждую новую операцию, система получает видео с демонстрацией и использует его как спецификацию задачи. По заявлению Skild AI, S1 умеет выполнять ранее не встречавшиеся задачи продолжительностью до 10 минут — без специального дообучения и без изменения весов модели. 1
5
Это важный шаг к более адаптивному физическому ИИ. Но он ещё не доказывает, что универсальные роботы готовы без ограничений работать в домах или на производстве. На данный момент наиболее убедительные результаты представлены самой Skild AI, поэтому независимые тесты остаются принципиально важными.
Что S1 делает иначе
Многие системы обучения роботов создаются под конкретную задачу, тип робота и набор условий эксплуатации. S1 предлагает другой подход: демонстрационное видео становится фактически исполняемой подсказкой. Модель должна понять цель, порядок действий, отношения между предметами и необходимые физические корректировки, а затем воспроизвести задачу уже на роботе. 1
3
Разница особенно заметна по сравнению с простой командой вроде «свари кофе» или «переставь растение». Язык может обозначить цель, но видео показывает последовательность операций, способ захвата предмета, использование инструментов и то, как задача развивается на протяжении многих шагов. По версии Skild AI, такой более содержательный запрос помогает S1 обобщать навыки на длинные задачи, которых не было в обучающей выборке. 1
5
Компания сравнивает этот подход с подсказками для языковых моделей: базовые способности системы остаются неизменными, а демонстрация добавляет необходимый контекст для конкретной задачи.
Кофе, растения, блины и сборка
Skild AI демонстрировала работу S1 на нескольких сценариях манипуляции с предметами:
- приготовление кофе методом пуровера;
- пересадка растения в горшок;
- сборка набора;
- переворачивание блина.
Некоторые демонстрации длятся до 10 минут и включают десятки последовательных действий. 1
3
5
Компания также описывает качественные тесты, призванные показать, что S1 не просто механически воспроизводит запомненное движение. По данным Skild AI, модель реагировала на изменения обстановки, повторяла попытку после отдельных ошибок, брала чашку вместо показанной в видео лейки, если лейки не было, и исправляла неуклюжее обращение демонстратора с яйцом, а не копировала его буквально. Это признаки поведенческой гибкости, однако одних видеодемонстраций недостаточно, чтобы подтвердить стабильность работы в широком диапазоне сред. 5
Сравнение с VLA-моделями, которые получают команды на естественном языке
Наиболее конкретные цифры Skild AI приводит во внутреннем сравнении для незнакомых задач. При объёме обучающих данных в 100 000 часов компания сообщила о 66% средней успешности отдельных шагов для политики с видеоподсказкой и обучением в контексте. У сопоставимой базовой VLA-модели показатель составил 9%. VLA — это vision-language-action model, то есть модель, объединяющая зрительное восприятие, язык и управление действиями. 1
4
Skild AI также утверждает, что при существенном изменении условий применения — например, если предметы отличаются от показанных в демонстрации или план требует использовать другую руку — языковая VLA-модель деградировала максимум втрое сильнее, чем S1. 1
Согласно ещё одной оценке компании, одна видеоподсказка дала результат, сопоставимый примерно с 380 эпизодами специализированного дообучения уже предварительно обученной политики. 1
Почему видео может давать преимущество? Оно передаёт не только желаемый результат, но и последовательность действий, темп, расположение предметов, применение инструментов и физическую стратегию. В то же время эти цифры следует воспринимать именно как внутренние данные Skild AI, а не как независимо воспроизведённый сравнительный тест. В представленных материалах нет публичной научной статьи, весов модели или стандартизированной внешней оценки. 4
15
Как быстро робот начинает выполнять задачу
Skild AI описывает S1 как систему, работающую в реальном времени после просмотра демонстрации. Публикации о запуске также сообщали, что робот может приступить к выполнению сразу после просмотра видео. 2
5
Однако доступные источники не позволяют надёжно назвать универсальное время перехода от окончания видео к началу работы — например, «через несколько секунд» или «через 11 минут». Конкретная задержка для общей системы не подтверждена. Для промышленности это важное различие: время подготовки, задержка инференса, проверки безопасности и поведение при восстановлении после ошибок могут быть не менее значимы, чем сама успешность операции.
Откуда берутся данные для обучения S1
Skild AI связывает развитие универсальной робототехнической модели с широким конвейером данных. Компания говорит о сочетании крупномасштабного моделирования, интернет-видео с действиями людей, данных роботов, телеуправления и информации с реальных внедрений. В материалах о раунде Series C также описан «маховик данных»: развёртывание системы создаёт новый опыт, который затем помогает улучшать модель для разных роботов и сред. 37
На конференции SMARTCLOUD SHOW сооснователь Skild AI Абхинав Гупта, по сообщениям СМИ, заявил, что компания использует «все виды» сбора робототехнических данных и накопила в 100–1 000 раз больше данных, чем конкуренты. Это утверждение самой компании, а не результат публично проверенного отраслевого сравнения. 6
Практическая логика стратегии понятна: видео людей показывают объекты и действия, симуляция расширяет разнообразие роботов и окружений, а данные с реальных машин связывают эти обобщения с физическим управлением.
Что означает «мозг для любых роботов»
S1 вписывается в более широкую концепцию Skild AI — «омни-телесного» робототехнического мозга. Это не означает, что двуногий, четвероногий, колёсный робот и манипулятор должны двигаться одинаково. У них разные суставы, сенсоры, конечности, колёса и физически доступные действия. 45
Идея в другом: модель должна выучить общие закономерности физического мира, которые переносятся между платформами, а затем сопоставлять их с возможностями конкретного робота. Один и тот же мозг может делиться знаниями между разными воплощениями, адаптируя команды под доступные приводы и датчики. 45
Такой подход призван избавить разработчиков от необходимости создавать и обслуживать отдельную модель для каждой конфигурации оборудования. Skild AI также рассказывала об обучении на большом количестве виртуальных роботов, чтобы система лучше усваивала общие принципы физического поведения. 42
45
Где S1 и Skild Brain планируют применять
Skild AI объявила о сотрудничестве с ABB Robotics и Universal Robots для интеграции своего программного обеспечения в промышленные системы. Reuters также сообщало о развёртывании робототехнического мозга Skild AI и Nvidia на сборочных линиях, связанных с системами Nvidia Blackwell. 34
44
Эти объявления показывают путь к коммерческим испытаниям, но не дают полной публичной картины результатов. Представленные источники не подтверждают независимо проверенные показатели производительности фабрик, доступности оборудования, числа ошибок, безопасности или окупаемости. Сам факт внедрения означает, что технологию тестируют или интегрируют, но ещё не доказывает, что она уже в массовом масштабе заменила традиционную автоматизацию.
Что говорит оценка компании в $14 млрд
Интерес инвесторов к Skild AI оказался значительным. Bloomberg сообщал о раунде Series C на 1,4 млрд долларов, который возглавила SoftBank и после которого оценка компании превысила 14 млрд долларов — более чем втрое выше уровня примерно семью месяцами ранее. 17
Такое финансирование отражает уверенность в том, что робототехническое программное обеспечение может стать масштабируемым платформенным слоем для разных типов оборудования. В других публикациях совокупное финансирование Skild AI оценивается более чем в 1,8 млрд долларов, однако доступные цифры различаются, поэтому их не следует считать окончательной аудированной суммой. 18
21
22
Сравнение с «моментом ChatGPT для роботов» пока лучше понимать как аналогию, а не как установленный факт. S1 действительно указывает на возможный переход от обучения роботов задаче за задачей к обучению через демонстрации. Инвестор Рави Мхатре назвал запуск «моментом GPT-3» для длинных задач, связанных с человеческим трудом, но это оценка инвестора, а не независимая научная валидация. 10
Итог
Главная идея S1 не в том, что робот умеет буквально повторить видео. Важнее другое: foundation-модель может использовать одну демонстрацию, чтобы составить новую последовательность действий, адаптироваться к изменившейся сцене и выполнить длинную задачу без обновления весов под конкретную операцию.
Заявленный результат 66% против 9% и демонстрации задач продолжительностью до 10 минут делают разработку технически значимой. 1
4 Но оговорка столь же важна: публичные свидетельства пока в основном состоят из материалов самой компании, отдельных демонстраций и ранних объявлений о внедрении. Прежде чем говорить о появлении универсального робототехнического мозга, нужны независимое воспроизведение результатов в стандартизированных условиях и опубликованные данные промышленных заказчиков о надёжности и безопасности.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Skild AI S1: как одно видео может изменить обучение роботов»?
Skild AI заявляет, что S1 может посмотреть одно видео с демонстрацией незнакомой задачи длительностью до 10 минут и выполнить её без изменения весов модели и сбора специальных данных.
Какие ключевые моменты необходимо проверить в первую очередь?
Skild AI заявляет, что S1 может посмотреть одно видео с демонстрацией незнакомой задачи длительностью до 10 минут и выполнить её без изменения весов модели и сбора специальных данных. В демонстрациях S1 готовит кофе методом пуровера, пересаживает растение, собирает набор и переворачивает блин, а также реагирует на изменения сцены и некоторые ошибки.
Что мне делать дальше на практике?
Во внутреннем тесте компании видеоподсказка показала среднюю поэтапную успешность 66% против 9% у сопоставимой VLA модели с языковой подсказкой, однако независимого воспроизведения этих результатов пока нет.
Источники
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 ...