AnswersPublished27 sources
Skild AI S1 förklarad: Robotmodellen som lär sig av en enda video
Skild AI uppger att S1 kan se en video av en tidigare okänd uppgift på upp till tio minuter och sedan utföra den utan att modellens vikter ändras eller att uppgiftsspecifik data samlas in. Demonstrationerna omfattar bland annat pour over kaffe, omplantering av växter, montering av byggsatser och pannkaksstekning.
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer
Key takeaways
- Skild AI uppger att S1 kan se en video av en tidigare okänd uppgift på upp till tio minuter och sedan utföra den utan att modellens vikter ändras eller att uppgiftsspecifik data samlas in.
- Demonstrationerna omfattar bland annat pour over kaffe, omplantering av växter, montering av byggsatser och pannkaksstekning.
- S1 positioneras för industrirobotar, men det offentliga underlaget visar ännu inte oberoende siffror för exempelvis drifttid, produktionstakt, säkerhet eller lönsamhet.
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 är en så kallad robotikgrundmodell som bygger på in-context learning. I stället för att tränas om för varje ny arbetsuppgift ska roboten kunna titta på en videodemonstration och använda den som en praktisk instruktion. Skild AI uppger att S1 kan utföra tidigare okända uppgifter som pågår i upp till tio minuter, utan uppgiftsspecifik finjustering och utan att modellens vikter ändras. 1
5
Det är ett intressant steg mot mer anpassningsbar fysisk AI. Men det är inte samma sak som att allmänna robotar nu är redo för fritt arbete i hem eller fabriker. De starkaste resultaten kommer än så länge från Skild AI:s egna demonstrationer och jämförelser, vilket gör oberoende tester viktiga.
Vad gör S1 annorlunda?
Många system för robotinlärning tränas för en viss uppgift, en viss robot eller särskilda miljöförhållanden. S1 behandlar i stället en demonstrationsvideo som en körbar instruktion. Modellen måste själv tolka målet, ordningsföljden, relationerna mellan olika objekt och de fysiska justeringar som krävs för att genomföra uppgiften med en robot. 1
3
Skillnaden märks när man jämför video med en enkel språkorder som ”gör kaffe” eller ”flytta växten”. Språk kan ange målet, men en video visar också i vilken ordning momenten ska göras, hur ett föremål ska greppas, hur verktyg används och hur arbetet utvecklas över flera steg. Skild AI:s huvudtes är att denna rikare instruktion gör det möjligt för S1 att generalisera till långa uppgifter som inte fanns i förträningen. 1
5
Företaget beskriver metoden som robotikens motsvarighet till att prompta en språkmodell: modellens grundförmågor ligger fast, medan demonstrationen tillför den uppgiftsspecifika kontexten.
Kaffe, växter, pannkakor och montering
Skild AI har visat S1 utföra flera praktiska arbetsflöden, bland annat:
- brygga pour-over-kaffe
- plantera om en växt
- montera en byggsats
- vända en pannkaka
Vissa demonstrationer pågår i upp till tio minuter och innehåller dussintals sekventiella handlingar. 1
3
5
Skild AI har också beskrivit kvalitativa tester som ska visa att S1 inte bara spelar upp en memorerad rörelsesekvens. I testerna ska modellen ha reagerat på förändringar i omgivningen, försökt igen efter vissa misstag, använt en kopp när vattenkannan från demonstrationen inte fanns till hands och korrigerat en klumpig hantering av ett ägg i stället för att kopiera den exakt. Det pekar på en viss beteendemässig flexibilitet, men videodemonstrationer räcker inte för att bevisa tillförlitlighet i ett brett spektrum av miljöer. 5
S1 jämfört med språkstyrda VLA-modeller
VLA står för vision-language-action. Sådana modeller kopplar samman synintryck, språk och robotens handlingar. Skild AI:s mest konkreta jämförelse gäller en intern utvärdering av tidigare osedda uppgifter. Med 100 000 timmars träningsdata rapporterade företaget en genomsnittlig framgång på 66 procent per steg för sin videostyrda in-context-policy, jämfört med 9 procent för en matchad språkstyrd VLA-baslinje. 1
4
Skild AI uppger också att den språkstyrda VLA-modellen försämrades upp till tre gånger mer än S1 när förutsättningarna förändrades kraftigt – exempelvis när objekten skilde sig från dem i demonstrationen eller när planen krävde att den andra armen skulle användas. 1
I en annan jämförelse uppskattade företaget att en enda videoprompt gav en prestation som motsvarade ungefär 380 uppgiftsspecifika efterträningsavsnitt på en redan förtränad policy. 1
Siffrorna visar varför videopromptning kan vara betydelsefullt: en demonstration förmedlar inte bara önskat slutresultat, utan även ordningsföljd, timing, objektens placering, verktygsanvändning och fysisk strategi. Resultaten ska dock läsas som Skild AI:s interna evidens, inte som ett oberoende reproducerat benchmark. Det material som finns tillgängligt innehåller ingen offentlig forskningsartikel, inga modellvikter och ingen standardiserad extern utvärdering. 4
15
Hur snabbt börjar roboten arbeta?
Skild AI beskriver S1 som en realtidsmodell som kan agera efter att ha sett demonstrationen. Rapporteringen kring lanseringen sade att roboten kunde utföra uppgiften omedelbart efter visningen. 2
5
Underlaget räcker däremot inte för en verifierad generell siffra som ”inom några sekunder” eller ”inom elva minuter”. Källorna fastställer inte någon exakt övergångstid från videons slut till arbetets början. Det är en viktig skillnad i industrin, där förberedelsetid, svarstid, säkerhetskontroller och förmåga att återhämta sig efter fel kan vara lika viktiga som den råa uppgiftsframgången.
Skild AI:s datastrategi
Skild AI tillskriver en bred datapipeline en central roll i utvecklingen av en mer generell robotmodell. Företaget har beskrivit hur det kombinerar storskaliga simuleringar, internetvideor av mänskliga handlingar, robotdata, fjärrstyrning och information från verkliga driftsmiljöer. I materialet om bolagets C-runda beskrivs dessutom ett dataekosystem där nya installationer genererar erfarenheter som kan förbättra modellen för flera robotar och miljöer. 37
Vid SMARTCLOUD SHOW uppgav medgrundaren Abhinav Gupta enligt rapporteringen att Skild AI använder ”alla typer” av metoder för att samla in robotdata och har samlat in 100 till 1 000 gånger mer data än konkurrenterna. Den multipeln är ett påstående från företaget, inte en offentligt granskad branschjämförelse. 6
I praktiken kombineras datakällor som lär modellen olika delar av problemet: videor av människor visar objekt och handlingar, simuleringar breddar variationen av robotkroppar och miljöer, och data från riktiga robotar kopplar de abstrakta kunskaperna till fysisk styrning.
Vad betyder ”omni-bodied”?
S1 ingår i Skild AI:s bredare strategi för en ”omni-bodied” robot hjärna. Det betyder inte att en tvåbent robot, en fyrbent robot, en hjulförsedd robot och en robotarm rör sig på samma sätt. Leder, sensorer, extremiteter, hjul och möjliga rörelser skiljer sig åt. 45
Tanken är i stället att modellen ska lära sig fysiska mönster som kan överföras mellan plattformar och sedan översätta dem till vad en viss robot faktiskt kan göra. En och samma modell kan därmed dela kunskap mellan olika robottyper, samtidigt som styrsignalerna anpassas till varje robots tillgängliga motorer och sensorer. 45
Målet är att minska behovet av att bygga och underhålla en helt separat modell för varje robotkonfiguration. Skild AI har också beskrivit träning på ett stort antal simulerade robotkroppar som en del av arbetet med att lära modellen mer generell fysisk förståelse. 42
45
Var används tekniken?
Skild AI har meddelat samarbeten med ABB Robotics och Universal Robots för att integrera programvaran i industriella system. Reuters har dessutom rapporterat att Skild AI och Nvidia installerar robotmodellen på monteringslinjer kopplade till Nvidias Blackwell-system. 34
44
Beskeden visar att tekniken testas och integreras kommersiellt, men de ger inte en komplett offentlig resultatbild. Det tillgängliga materialet fastställer inga oberoende, granskade siffror för produktionstakt, drifttid, felfrekvens, säkerhetsincidenter eller avkastning på investeringen. En installation är ett tecken på testning eller integration – inte ett bevis på att tekniken redan har ersatt traditionell automation i stor skala.
Vad säger värderingen – och vad säger den inte?
Investerarnas intresse för Skild AI har varit stort. Bloomberg rapporterade om en C-runda på 1,4 miljarder dollar, ledd av SoftBank, som värderade bolaget till över 14 miljarder dollar. Det var mer än en tredubbling av värderingen på ungefär sju månader. 17
Andra rapporter placerar den sammanlagda finansieringen över 1,8 miljarder dollar, men uppgifterna varierar mellan källor och bör inte betraktas som en definitivt granskad totalsumma. 18
21
22
Jämförelsen med ett ”ChatGPT-ögonblick för robotar” bör därför ses som en analogi, inte som ett fastslaget faktum. S1 pekar mot en möjlig förändring i hur robotar får nya färdigheter: från uppgift-för-uppgift-träning till inlärning genom demonstrationer. Investeraren Ravi Mhatre beskrev lanseringen som ett ”GPT-3-ögonblick” för långvariga uppgifter inom mänskligt arbete, men det är en investerarbedömning – inte en oberoende vetenskaplig validering. 10
Slutsats
S1:s viktigaste idé är inte bara att en robot kan härma en video. Det intressanta är att en grundmodell kanske kan använda en enda demonstration för att kombinera färdigheter, anpassa sig till en förändrad situation och genomföra en lång arbetssekvens utan att modellens vikter uppdateras för just den uppgiften.
Skild AI:s rapporterade resultat på 66 procent mot 9 procent och demonstrationerna av uppgifter med lång tidshorisont gör påståendet tekniskt betydelsefullt. 1
4 Men brasklappen är lika viktig: den offentliga evidensen domineras fortfarande av företagsmaterial, utvalda demonstrationer och tidiga besked om installationer. Innan externa forskare kan återskapa resultaten under standardiserade villkor och industrikunder publicerar data om tillförlitlighet och säkerhet bör S1 ses som en lovande riktning för fysisk AI – inte som ett definitivt bevis på att den allmänna robot hjärnan redan är här.
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 förklarad: Robotmodellen som lär sig av en enda video"?
Skild AI uppger att S1 kan se en video av en tidigare okänd uppgift på upp till tio minuter och sedan utföra den utan att modellens vikter ändras eller att uppgiftsspecifik data samlas in.
What are the key points to validate first?
Skild AI uppger att S1 kan se en video av en tidigare okänd uppgift på upp till tio minuter och sedan utföra den utan att modellens vikter ändras eller att uppgiftsspecifik data samlas in. Demonstrationerna omfattar bland annat pour over kaffe, omplantering av växter, montering av byggsatser och pannkaksstekning.
What should I do next in practice?
S1 positioneras för industrirobotar, men det offentliga underlaget visar ännu inte oberoende siffror för exempelvis drifttid, produktionstakt, säkerhet eller lönsamhet.
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 ...