AnswersPublished27 sources
Skild AI S1: як одне відео може змінити навчання роботів
Skild AI заявляє, що S1 може переглянути відео незнайомого завдання тривалістю до 10 хвилин і виконати його без зміни ваг моделі чи збору спеціальних даних. Серед продемонстрованих сценаріїв — приготування пуроверу, пересаджування рослини, складання набору та перевертання млинця; модель нібито адаптується до змін у...
ОпублікувавВідредаговано за допомогою GPT-5.6 LunaЗображення створено за допомогою GPT Image 1.5
Research answer
Key takeaways
- Skild AI заявляє, що S1 може переглянути відео незнайомого завдання тривалістю до 10 хвилин і виконати його без зміни ваг моделі чи збору спеціальних даних.
- Серед продемонстрованих сценаріїв — приготування пуроверу, пересаджування рослини, складання набору та перевертання млинця; модель нібито адаптується до змін у сцені й відновлюється після окремих помилок.
- S1 уже позиціонують для промислових роботів, але відкриті дані поки не підтверджують незалежними тестами показники на кшталт безвідмовності, продуктивності ліній чи окупності.
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 S1 — це foundation model для роботів, побудована на принципі навчання в контексті. Замість перенавчання під кожне нове завдання робот переглядає відеодемонстрацію і використовує її як інструкцію до дії. За твердженням Skild, S1 здатна виконувати раніше не бачені завдання тривалістю до 10 хвилин, не змінюючи ваг моделі та не проходячи спеціального донавчання під конкретну задачу. 1
5
Це виглядає як важливий крок до більш адаптивного фізичного ШІ. Водночас S1 ще не доводить, що універсальні роботи готові без обмежень працювати в домівках чи на виробництві. Найпереконливіші результати наразі походять із демонстрацій і тестів самої Skild, тому незалежна перевірка залишається критично важливою.
Що S1 робить інакше
Багато систем навчання роботів створюють під конкретне завдання, тип робота або набір умов експлуатації. S1 натомість трактує відео з демонстрацією як виконуваний запит. Модель має зрозуміти мету, послідовність дій, зв’язки між об’єктами та фізичні коригування, необхідні для відтворення завдання на роботі. 1
3
Це відрізняється від простої команди на кшталт «звари каву» чи «пересади рослину». Мова може позначити мету, але відео показує порядок операцій, спосіб захоплення предмета, використання інструментів і перебіг роботи з десятками кроків. Головна теза Skild полягає в тому, що такий багатший запит дає S1 змогу узагальнювати навички на довгі завдання, яких не було в даних попереднього навчання. 1
5
Компанія описує цей підхід як робототехнічний аналог промптингу мовної моделі: базові здібності моделі залишаються незмінними, а відеодемонстрація додає контекст для конкретного завдання.
Кава, рослини, млинці та складання наборів
Skild показала S1 на кількох сценаріях маніпуляцій із предметами, зокрема:
- приготування пуроверу — кави, яку заварюють повільним проливанням води;
- пересаджування рослини в горщик;
- складання набору;
- перевертання млинця.
Деякі демонстрації тривають до 10 хвилин і містять десятки послідовних дій. 1
3
5
Skild також повідомляє про якісні тести, покликані показати, що S1 не просто відтворює завчений рух. За даними компанії, модель реагувала на зміни в сцені, повторювала дію після окремих помилок, замінювала продемонстровану лійку чашкою, якщо лійки не було, а також виправляла незручне поводження демонстратора з яйцем, замість того щоб буквально його копіювати. Це свідчить про гнучкість поведінки, однак самі відеодемонстрації не доводять надійність системи в широкому спектрі середовищ. 5
Порівняння з VLA-моделями, яким подають команди мовою
Найконкретніше порівняння, наведене Skild, стосується внутрішнього тестування незнайомих завдань. За 100 000 годин навчальних даних відеокерована політика з навчанням у контексті продемонструвала 66% середнього показника успішності окремих кроків, тоді як зіставна базова vision-language-action-модель, або VLA, із мовним запитом показала 9%. 1
4
Skild також заявляє, що за істотної зміни умов розгортання — наприклад, коли предмети відрізнялися від показаних у демонстрації або план вимагав використати протилежну руку — мовна VLA-модель деградувала до трьох разів сильніше, ніж S1. 1
За іншою оцінкою компанії, один відеозапит давав результат, співставний приблизно з 380 епізодами спеціального донавчання попередньо навченої політики. 1
Ці цифри пояснюють, чому відеопромптинг може мати значення: демонстрація передає не лише бажаний результат, а й порядок дій, час, розташування предметів, використання інструментів і фізичну стратегію. Але наведені результати слід сприймати саме як внутрішні дані Skild, а не як незалежно відтворений прямий бенчмарк. У доступних матеріалах немає відкритої наукової статті, ваг моделі чи стандартизованого зовнішнього оцінювання. 4
15
Як швидко S1 починає виконання
Skild описує S1 як систему, що працює в реальному часі після перегляду демонстрації. Повідомлення під час запуску також стверджували, що робот може одразу перейти до виконання після перегляду відео. 2
5
Однак доступних доказів недостатньо, щоб назвати перевірений універсальний показник — наприклад, «за кілька секунд» або «через 11 хвилин». Джерела не встановлюють точний час від завершення відео до початку виконання. Для промислових систем це важлива різниця: час підготовки, затримка обчислень, перевірки безпеки та поведінка після помилки можуть бути не менш важливими за початковий показник успішності.
На яких даних навчається S1
Skild пов’язує створення універсальної робототехнічної моделі з широким конвеєром даних. Компанія описує використання масштабного моделювання, відео людських дій з інтернету, даних роботів, телеоперації та інформації з реальних розгортань. У матеріалах Series C також ідеться про «маховик даних»: розгортання системи створює новий досвід, який може покращувати модель для різних роботів і середовищ. 37
На конференції SMARTCLOUD SHOW співзасновник компанії Абхінав Гупта, за повідомленнями медіа, заявив, що Skild використовує «всі види» збору робототехнічних даних і накопичила у 100–1000 разів більше даних, ніж конкуренти. Це твердження компанії, а не незалежно перевірене галузеве порівняння. 6
Практичний задум полягає в поєднанні джерел, кожне з яких навчає різних аспектів проблеми: відео людей показують об’єкти й дії, симуляція розширює набір можливих роботів і середовищ, а реальні робототехнічні дані пов’язують ці абстракції з фізичним керуванням.
Що означає «omni-bodied»
S1 є частиною ширшої стратегії Skild зі створення «omni-bodied» мозку для роботів. Це не означає, що двоногий, чотириногий, колісний робот і роботизована рука рухатимуться однаково. У них різні суглоби, сенсори, кінцівки, колеса та фізично можливі дії. 45
Ідея полягає в тому, щоб модель вивчала спільні закономірності фізичного світу для різних платформ, а потім перекладала їх у дії, доступні конкретному роботу. Один мозок у такій архітектурі може ділитися знаннями між різними конструкціями, адаптуючи вихідні сигнали до наявних приводів і сенсорів. 45
Такий підхід має зменшити потребу створювати й підтримувати окрему модель для кожної конфігурації робота. Skild також описувала навчання на великій кількості симульованих роботів як частину роботи над більш загальними фізичними навичками. 42
45
Де Skild планує застосовувати технологію
Skild оголосила про співпрацю з ABB Robotics і Universal Robots для інтеграції свого програмного забезпечення у промислові системи. Reuters також повідомляло, що Skild і Nvidia розгортають робототехнічний «мозок» на складальних лініях, пов’язаних із системами Nvidia Blackwell. 34
44
Ці оголошення показують шлях до комерційного тестування, але не дають повної відкритої картини продуктивності. Доступні матеріали не підтверджують незалежно перевірених показників пропускної здатності фабрик, безвідмовності, кількості помилок, інцидентів безпеки чи окупності інвестицій. Сам факт інтеграції означає, що технологію тестують або впроваджують, а не те, що вона вже масштабно замінила традиційну автоматизацію.
Що означає оцінка компанії у понад $14 млрд
Інтерес інвесторів до Skild є значним. Bloomberg повідомляло про $1,4 млрд у межах Series C, яку очолила SoftBank. Після раунду оцінка компанії перевищила $14 млрд — більш ніж утричі за приблизно сім місяців. 17
Інші публікації оцінюють сукупне фінансування Skild у понад $1,8 млрд, але доступні цифри різняться залежно від джерела й не мають сприйматися як остаточно підтверджена аудиторська сума. 18
21
22
Порівняння з «моментом ChatGPT для роботів» краще розуміти як аналогію, а не як встановлений факт. S1 натякає на можливу зміну способу, у який роботи здобуватимуть нові навички: від перенавчання під кожне окреме завдання — до навчання за демонстраціями. Інвестор Раві Мхатре назвав запуск «моментом GPT-3» для довгих завдань, пов’язаних із людською працею, але це оцінка інвестора, а не незалежне наукове підтвердження. 10
Висновок
Найважливіша ідея S1 полягає не просто в тому, що робот може імітувати відео. Йдеться про можливість foundation model використати одну демонстрацію, поєднати вже відомі навички, адаптуватися до зміненої сцени й виконати довгу послідовність дій без оновлення ваг під конкретне завдання.
Заявлений Skild результат 66% проти 9% і демонстрації довгих сценаріїв роблять цю концепцію технічно важливою. 1
4 Але застереження не менш суттєве: публічні докази поки здебільшого складаються з матеріалів компанії, вибраних демонстрацій і ранніх повідомлень про впровадження. Поки зовнішні дослідники не відтворять результати у стандартизованих умовах, а промислові клієнти не оприлюднять дані про надійність і безпеку, S1 варто сприймати як перспективний напрям фізичного ШІ, а не як остаточний доказ появи універсального мозку для роботів.
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: як одне відео може змінити навчання роботів"?
Skild AI заявляє, що S1 може переглянути відео незнайомого завдання тривалістю до 10 хвилин і виконати його без зміни ваг моделі чи збору спеціальних даних.
What are the key points to validate first?
Skild AI заявляє, що S1 може переглянути відео незнайомого завдання тривалістю до 10 хвилин і виконати його без зміни ваг моделі чи збору спеціальних даних. Серед продемонстрованих сценаріїв — приготування пуроверу, пересаджування рослини, складання набору та перевертання млинця; модель нібито адаптується до змін у сцені й відновлюється після окремих помилок.
What should I do next in practice?
S1 уже позиціонують для промислових роботів, але відкриті дані поки не підтверджують незалежними тестами показники на кшталт безвідмовності, продуктивності ліній чи окупності.
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 ...