AnswersPublished27 sources
Skild AI S1, robot öğreniminde yeni bir dönemin kapısını mı açıyor?
Skild AI, S1’in tek bir video ile 10 dakikaya kadar süren ve daha önce görülmemiş görevleri, model ağırlıklarını değiştirmeden gerçekleştirebildiğini belirtiyor. S1’in gösterimleri arasında el yapımı kahve hazırlama, bitki saksılama, kit montajı ve pankek çevirme bulunuyor; modelin değişen nesnelere ve bazı hatalara...
YayımlayanGPT-5.6 Luna ile düzenlendiGörseller GPT Image 1.5 ile oluşturuldu
Research answer
Key takeaways
- Skild AI, S1’in tek bir video ile 10 dakikaya kadar süren ve daha önce görülmemiş görevleri, model ağırlıklarını değiştirmeden gerçekleştirebildiğini belirtiyor.
- S1’in gösterimleri arasında el yapımı kahve hazırlama, bitki saksılama, kit montajı ve pankek çevirme bulunuyor; modelin değişen nesnelere ve bazı hatalara uyum sağladığı aktarılıyor.
- Teknoloji endüstriyel robotlara entegre edilmeye başlanmış olsa da kamuya açık veriler; çalışma süresi, üretim kapasitesi, hata oranı ve yatırım getirisi gibi üretim düzeyindeki ölçümleri henüz ortaya koymuyor.
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’ın S1’i, robotların her yeni görev için baştan eğitilmesi yerine bir video gösteriminden talimat çıkarmasını amaçlayan bir robotik temel modeli. Şirketin açıklamasına göre S1, daha önce eğitim verisinde bulunmayan ve 10 dakikaya kadar sürebilen görevleri, göreve özel ince ayar yapmadan veya model ağırlıklarını değiştirmeden gerçekleştirebiliyor. 1
5
Bu yaklaşım, fiziksel yapay zekânın daha uyarlanabilir hale gelmesi açısından dikkat çekici. Yine de S1’in sınırsız ev veya fabrika işlerini güvenilir biçimde yapabildiğini kanıtlamıyor. Bugüne kadarki en güçlü sonuçlar Skild AI’ın kendi gösterimleri ve şirket içi kıyaslamalarından geliyor; bağımsız testler hâlâ önemli.
S1’in farkı ne?
Birçok robot öğrenimi sistemi belirli bir görev, robot gövdesi veya çalışma koşulu için eğitiliyor. S1 ise gösterim videosunu adeta çalıştırılabilir bir komut olarak ele alıyor. Modelin hedefi, eylemlerin sırasını, nesneler arasındaki ilişkileri ve görevi tamamlamak için gereken fiziksel ayarlamaları videodan çıkararak robotun görevi yeniden üretmesini sağlamak. 1
3
Bir robota yalnızca “kahve hazırla” veya “bitkiyi taşı” demek, hedefi tarif edebilir. Video ise işlemlerin hangi sırayla yapılacağını, bir nesnenin nasıl kavranacağını, araçların nasıl kullanılacağını ve görevin çok sayıda adıma nasıl yayıldığını gösterebilir. Skild AI’ın temel iddiası, bu daha zengin bağlamın S1’in ön eğitimde karşılaşmadığı uzun soluklu görevlere genelleme yapmasını mümkün kıldığı yönünde. 1
5
Şirket bu yöntemi, dil modeline komut vermenin robotikteki karşılığı olarak tanımlıyor: Modelin temel yetenekleri sabit kalıyor, gösterim ise göreve özel bağlamı sağlıyor.
Kahve, bitki, pankek ve montaj gösterimleri
Skild AI, S1’in aşağıdaki görevleri yerine getirdiğini gösterdiğini belirtiyor:
- El yapımı kahve hazırlama
- Bitkiyi saksıya dikme
- Bir kitin parçalarını monte etme
- Pankek çevirme
Bazı gösterimler 10 dakikaya kadar sürüyor ve art arda gelen onlarca eylem içeriyor. 1
3
5
Şirket ayrıca S1’in ezberlenmiş hareketleri tekrarlamadığını göstermeyi amaçlayan niteliksel testler de paylaşıyor. Bu testlerde modelin sahnedeki değişikliklere tepki verdiği, bazı hatalardan sonra yeniden denediği, gösterimdeki sulama kabı bulunmadığında bir bardağı kullandığı ve bir insanın yumurtayı beceriksizce tutmasını birebir kopyalamak yerine hareketi düzelttiği aktarılıyor. Bunlar davranışsal esnekliğe işaret eden olumlu bulgular olabilir; ancak yalnızca video gösterimleri, farklı ortamlar genelinde güvenilirliği kanıtlamaya yetmez. 5
Dil komutlu VLA modelleriyle karşılaştırma
VLA, “vision-language-action” ifadesinin kısaltmasıdır ve görsel algıyı, dili ve robot eylemlerini aynı sistemde birleştiren modelleri tanımlar. Skild AI’ın paylaştığı en belirgin karşılaştırma, daha önce görülmemiş görevler üzerine yapılan şirket içi bir değerlendirme.
Şirket, 100.000 saatlik eğitim verisi seviyesinde video ile yönlendirilen bağlam içi politikasının ortalama adım başına başarı oranını %66 olarak bildirdi. Eşleştirilmiş, dil komutlu bir VLA temelinin oranı ise %9 oldu. 1
4
Skild AI ayrıca, dağıtım koşulları ciddi biçimde değiştiğinde —örneğin nesneler gösterimdeki nesnelerden farklı olduğunda veya planın diğer kolla uygulanması gerektiğinde— dil komutlu VLA modelinin S1’e kıyasla üç kata kadar daha fazla performans kaybettiğini söylüyor. 1
Bir başka şirket içi karşılaştırma, tek bir video komutunun önceden eğitilmiş bir politika üzerinde yaklaşık 380 göreve özel ek eğitim bölümü ile benzer performans ürettiğini öne sürüyor. 1
Bu sonuçlar video komutlarının neden önemli olabileceğini gösteriyor: Bir gösterim yalnızca hedef sonucu değil, aynı zamanda işlem sırasını, zamanlamayı, nesnelerin konumunu, araç kullanımını ve fiziksel stratejiyi de iletiyor. Ancak bu rakamlar Skild AI’ın şirket içi bulguları olarak okunmalı; bağımsız biçimde tekrarlanmış bir karşılaştırmalı test olarak değil. Sağlanan materyallerde kamuya açık bir akademik makale, model ağırlıkları veya standartlaştırılmış bir dış değerlendirme bulunmuyor. 4
15
S1 göreve ne kadar hızlı başlıyor?
Skild AI, S1’in gösterimi izledikten sonra gerçek zamanlı çalıştığını belirtiyor. Lansman haberlerinde de robotun videoyu izledikten hemen sonra görevi gerçekleştirebildiği aktarılmıştı. 2
5
Bununla birlikte, videonun bitişinden görevin başlamasına kadar geçen süre için “saniyeler içinde” veya “11 dakika sonra” gibi doğrulanmış genel bir rakam vermek mümkün değil. Sağlanan kaynaklar, sistemin her koşulda ne kadar sürede eyleme geçtiğini ortaya koymuyor. Bu ayrım özellikle endüstriyel ortamlarda önemli; kurulum süresi, çıkarım gecikmesi, güvenlik kontrolleri ve hata sonrası toparlanma, ham görev başarısı kadar belirleyici olabilir.
Skild AI’ın veri stratejisi
Skild AI, genel amaçlı robotik modelini geliştirmesine yardımcı olan geniş bir veri hattı kullandığını söylüyor. Şirketin açıkladığı kaynaklar arasında büyük ölçekli simülasyonlar, insanların eylemlerini gösteren internet videoları, robot verileri, uzaktan kumandalı kullanım ve gerçek saha uygulamalarından gelen bilgiler bulunuyor. Series C materyallerinde ayrıca, robotların sahada ürettiği deneyimin farklı robot ve ortamlarda modeli iyileştirdiği bir veri döngüsünden söz ediliyor. 37
Skild AI’ın kurucu ortağı Abhinav Gupta’nın SMARTCLOUD SHOW’da şirketin “her tür” robot verisi toplama yöntemini kullandığını ve rakiplerinden 100 ila 1.000 kat daha fazla veriye sahip olduğunu söylediği aktarılıyor. Bu çarpan, bağımsız olarak denetlenmiş bir sektör karşılaştırması değil, şirketin iddiası. 6
Bu stratejide farklı veri kaynaklarının farklı ihtiyaçları karşılaması hedefleniyor: İnsan videoları nesneler ve eylemler hakkında örnekler sağlıyor, simülasyon robot gövdeleriyle ortam çeşitliliğini artırıyor, gerçek robot verileri ise bu soyut bilgileri fiziksel kontrole bağlıyor.
“Omni-bodied” robot beyni ne demek?
S1, Skild AI’ın “omni-bodied” olarak adlandırdığı daha geniş bir robot beyni stratejisinin parçası. Bu terim, iki ayaklı, dört ayaklı, tekerlekli robotların ve robot kollarının aynı hareketleri yaptığı anlamına gelmiyor. Bu platformların eklemleri, sensörleri, uzuvları, tekerlekleri ve fiziksel olarak gerçekleştirebileceği eylemler farklı. 45
Buradaki amaç, farklı robot platformlarına aktarılabilen fiziksel düzenlilikleri öğrenmek ve ardından bu beklentileri belirli bir robotun yeteneklerine göre eylemlere dönüştürmek. Böylece tek bir model, ortak bilgiyi farklı robot gövdeleri arasında paylaşırken çıktısını her robotun mevcut aktüatör ve sensörlerine uyarlayabiliyor. 45
Bu yaklaşım, her robot konfigürasyonu için tamamen ayrı bir model geliştirme ve sürdürme ihtiyacını azaltmayı hedefliyor. Skild AI, daha genel fiziksel davranışları öğrenmek amacıyla çok sayıda sanal robot gövdesi üzerinde eğitim yaptığını da açıklıyor. 42
45
Teknoloji nerelerde kullanılıyor?
Skild AI, yazılımını endüstriyel sistemlere entegre etmek için ABB Robotics ve Universal Robots ile iş birliklerini duyurdu. Reuters ayrıca Skild AI ile Nvidia’nın, Nvidia Blackwell sistemleriyle ilişkili montaj hatlarında robot beynini kullanıma sunduğunu bildirdi. 34
44
Bu duyurular ticari test ve entegrasyon için bir yol açıldığını gösteriyor; ancak kamuya açık, eksiksiz bir performans kaydı sunmuyor. Sağlanan kanıtlar fabrika üretim kapasitesi, çalışma süresi, hata oranları, güvenlik olayları veya yatırım getirisi için bağımsız denetimli rakamlar ortaya koymuyor. Bir sistemin sahada test edilmesi veya entegre edilmesi, geleneksel otomasyonu büyük ölçekte değiştirdiği anlamına gelmez.
14 milyar doları aşan değerleme ne anlatıyor?
Skild AI’a yatırımcı ilgisi oldukça yüksek. Bloomberg, SoftBank liderliğindeki 1,4 milyar dolarlık Series C yatırımının şirketi 14 milyar doların üzerinde değerlediğini ve değerlemenin yaklaşık yedi ay içinde üç kattan fazla arttığını bildirdi. 17
Diğer haberlerde Skild AI’ın toplam yatırımının 1,8 milyar doların üzerinde olduğu belirtiliyor; ancak kaynaklardaki rakamlar değişiyor ve kesin, denetlenmiş bir toplam olarak ele alınmamalı. 18
21
22
“Robotlar için ChatGPT anı” benzetmesi de kesinleşmiş bir sonuçtan çok bir analoji olarak görülmeli. S1, robotların her görev için yeniden eğitilmesinden, gösterimlerden öğrenmeye doğru olası bir geçişe işaret ediyor. Yatırımcı Ravi Mhatre, lansmanı uzun soluklu insan emeği görevleri açısından robotikte bir “GPT-3 anı” olarak nitelendirdi; ancak bu, bağımsız bilimsel doğrulama değil, bir yatırımcı değerlendirmesi. 10
Sonuç: Önemli bir yön, henüz kesin zafer değil
S1’in en önemli fikri, bir robotun yalnızca bir videoyu taklit edebilmesi değil. Asıl iddia, bir temel modelin tek bir gösterimden becerileri birleştirebilmesi, değişen bir sahneye uyum sağlayabilmesi ve göreve özel ağırlık güncellemesi olmadan uzun bir eylem dizisini tamamlayabilmesi.
Skild AI’ın bildirdiği %66’a karşı %9 kıyaslaması ve uzun soluklu görev gösterimleri teknik açıdan kayda değer. 1
4 Ancak önemli bir çekince de var: Kamuya açık kanıtların büyük bölümü şirket materyallerinden, seçilmiş gösterimlerden ve erken dönem entegrasyon duyurularından oluşuyor. Dış araştırmacılar sonuçları standart koşullarda tekrarlayabilene ve endüstriyel müşteriler güvenilirlik ile güvenlik verilerini yayımlayana kadar S1, genel amaçlı robot beyninin kesin kanıtı değil; fiziksel yapay zekâ için umut verici bir yön olarak değerlendirilmelidir.
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, robot öğreniminde yeni bir dönemin kapısını mı açıyor?"?
Skild AI, S1’in tek bir video ile 10 dakikaya kadar süren ve daha önce görülmemiş görevleri, model ağırlıklarını değiştirmeden gerçekleştirebildiğini belirtiyor.
What are the key points to validate first?
Skild AI, S1’in tek bir video ile 10 dakikaya kadar süren ve daha önce görülmemiş görevleri, model ağırlıklarını değiştirmeden gerçekleştirebildiğini belirtiyor. S1’in gösterimleri arasında el yapımı kahve hazırlama, bitki saksılama, kit montajı ve pankek çevirme bulunuyor; modelin değişen nesnelere ve bazı hatalara uyum sağladığı aktarılıyor.
What should I do next in practice?
Teknoloji endüstriyel robotlara entegre edilmeye başlanmış olsa da kamuya açık veriler; çalışma süresi, üretim kapasitesi, hata oranı ve yatırım getirisi gibi üretim düzeyindeki ölçümleri henüz ortaya koymuyor.
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 ...